python-3.x - 如何将张量板与 tf.estimator.Estimator 一起使用

Question

我正在考虑将我的代码库移动到 tf.estimator.Estimator ，但我找不到如何将它与张量板摘要结合使用的示例。

MWE:

import numpy as np
import tensorflow as tf

tf.logging.set_verbosity(tf.logging.INFO)

# Declare list of features, we only have one real-valued feature
def model(features, labels, mode):
    # Build a linear model and predict values
    W = tf.get_variable("W", [1], dtype=tf.float64)
    b = tf.get_variable("b", [1], dtype=tf.float64)
    y = W*features['x'] + b
    loss = tf.reduce_sum(tf.square(y - labels))

    # Summaries to display for TRAINING and TESTING
    tf.summary.scalar("loss", loss)    
    tf.summary.image("X", tf.reshape(tf.random_normal([10, 10]), [-1, 10, 10, 1])) # dummy, my inputs are images

    # Training sub-graph
    global_step = tf.train.get_global_step()
    optimizer = tf.train.GradientDescentOptimizer(0.01)
    train = tf.group(optimizer.minimize(loss), tf.assign_add(global_step, 1))

    return tf.estimator.EstimatorSpec(mode=mode, predictions=y,loss= loss,train_op=train)

estimator = tf.estimator.Estimator(model_fn=model, model_dir='/tmp/tf')
# define our data set
x=np.array([1., 2., 3., 4.])
y=np.array([0., -1., -2., -3.])
input_fn = tf.contrib.learn.io.numpy_input_fn({"x": x}, y, 4, num_epochs=1000)

for epoch in range(10):
    # train
    estimator.train(input_fn=input_fn, steps=100)
    # evaluate our model
    estimator.evaluate(input_fn=input_fn, steps=10)

如何在 tensorboard 中显示我的两个摘要？我是否必须注册一个使用 tf.summary.FileWriter 的钩子(Hook)？或者是其他东西？

Answer 1

编辑:
经过测试(在 v1.1.0 中，也可能在更高版本中)，很明显 tf.estimator.Estimator会自动为你写总结。我使用 OP 的代码和张量板确认了这一点。

(围绕 r1.4 的一些探索让我得出结论，这种自动摘要写入是由于 tf.train.MonitoredTrainingSession 造成的。)

最终，自动汇总是通过使用钩子(Hook)完成的，因此如果您想自定义 Estimator 的默认汇总，您可以使用钩子(Hook)来实现。以下是原始答案中的(已编辑)详细信息。

您需要使用 Hook ，以前称为 monitors . (Linked 是一个概念/快速入门指南；它的简短之处在于 Estimator API 中内置了 Hook /监控训练的概念。虽然有点令人困惑，但似乎并不推荐使用 Hook 监控器是真的记录在实际源代码中的弃用注释中...)

根据您的使用情况，它看起来像 r1.2 的 SummarySaverHook 适合你的账单。

summary_hook = tf.train.SummarySaverHook(
    SAVE_EVERY_N_STEPS,
    output_dir='/tmp/tf',
    summary_op=tf.summary.merge_all())

您可能希望自定义钩子(Hook)的初始化参数，例如通过提供明确的 SummaryWriter 或每 N 秒而不是 N 步写入一次。

如果您将其传递给 EstimatorSpec ，您将获得自定义的摘要行为:

return tf.estimator.EstimatorSpec(mode=mode, predictions=y,loss=loss,
                                  train_op=train,
                                  training_hooks=[summary_hook])

编辑注:
此答案的先前版本建议通过 summary_hook进入 estimator.train(input_fn=input_fn, steps=5, hooks=[summary_hook]) .这不起作用，因为 tf.summary.merge_all()必须在与模型图相同的上下文中调用。