tensorflow - TensorBoard 标量图中 "smoothing"参数背后的数学原理是什么？

Question

我认为它是某种移动平均线，但有效范围在 0 到 1 之间。

Answer 1

原始答案

它的名字是exponential moving average ，下面是代码解释它是如何创建的。

假设所有实标量值都在名为标量的列表中，则按如下方式应用平滑:

def smooth(scalars: List[float], weight: float) -> List[float]:  # Weight between 0 and 1
    last = scalars[0]  # First value in the plot (first timestep)
    smoothed = list()
    for point in scalars:
        smoothed_val = last * weight + (1 - weight) * point  # Calculate smoothed value
        smoothed.append(smoothed_val)                        # Save it
        last = smoothed_val                                  # Anchor the last smoothed value
        
    return smoothed

更新答案

作为@SaPropper correctly pointed出来，TensorBoard 现在包含去偏因子。