如何在Tensorflow Estimator的每个全局步骤中获得列车损失并评估损失？

Question

我会在全球的每一个步骤都蒙受训练损失。但是我确实想在张量板上的图'lossxx'中添加评估损失。怎么做？

  类MyHook（tf.train.SessionRunHook）：
    def after_run（self，run_context，run_value）：
      _session = run_context.session
      _session.run（_session.graph.get_operation_by_name（'acc_op'））

  def my_model（功能，标签，模式）：
    ...
    logits = tf.layers.dense（net，3，激活=无）
    预测类= tf.argmax（logits，1）
    如果模式== tf.estimator.ModeKeys.PREDICT：
      预测= {
        'class'：predicted_classes，
        '问题'：tf.nn.softmax（logits）
      }
      返回tf.estimator.EstimatorSpec（mode，projections = predictions）

    ＃计算损失。
    损失= tf.losses.sparse_softmax_cross_entropy（labels =标签，logits = logits）
    acc，acc_op = tf.metrics.accuracy（标签=标签，预测= predicted_classes）
    tf.identity（acc_op，'acc_op'）
    loss_sum = tf.summary.scalar（'lossxx'，loss）
    precision_sum = tf.summary.scalar（'accuracyxx'，acc）
    merg = tf.summary.merge_all（）

    ＃创建培训项目。
    如果mode == tf.estimator.ModeKeys.TRAIN：
      优化器= tf.train.AdagradOptimizer（learning_rate = 0.1）
      train_op = optimizer.minimize（损失，global_step = tf.train.get_global_step（））
      返回tf.estimator.EstimatorSpec（mode，loss = loss，train_op = train_op，
                                      training_chief_hooks = [
                                            tf.train.SummarySaverHook（save_steps = 10，output_dir ='。/ model'，summary_op = merg）]）

    返回tf.estimator.EstimatorSpec（
        模式，损失=损失，eval_metric_ops = {'accuracy'：（acc，acc_op）}
    ）


  classifier.train（input_fn = train_input_fn，步骤= 1000，hooks = [MyHook（）]）

Answer 1

实际上，您不需要自己创建一个SummarySaverHook，因为它已经包含在中tf.estimator.Estimator。只需创建所有需要的摘要tf.summary.xxx，它们就会在每个n步骤中得到评估。（参见tf.estimator.RunConfig此）。

另外，您无需为最终损失创建摘要loss。这也会自动为您创建。如果您这样做，培训和评估摘要将显示在TensorBoard的同一张图中。估算器eval在您当前的目录中创建一个子目录model_dir以实现此目的。

还有一个小提示：acc_op直接在摘要中使用以更新指标并获取其值。但是，这些tf.metrics功能很难处理;-)