Ich habe versucht, den Tensorflow tf. image_summary
zu verwenden, aber es war mir nicht klar, wie man es benutzt. In der tensorboard readme Datei haben sie den folgenden Satz, den ich verwirrt:Was bedeutet die Spalte und Zeilen für Bilder in TensorBoard?
Das Armaturenbrett ist so eingerichtet, dass jede Zeile zu einem anderen Tag entspricht, und jede Spalte entspricht einen Lauf.
Ich verstehe den Satz nicht und so habe ich eine harte Zeit herauszufinden, was die Spalten und Zeilen für TensorBoard Bildvisualisierung bedeuten. Was genau ist ein "tag" und was genau ist ein "run"? Wie bekomme ich mehrere "Tags" und mehrere "Läufe" zur Anzeige? Warum sollte ich mehrere "Tags" und "Läufe" anzeigen lassen?
Hat jemand ein sehr einfaches, aber nicht-triviales Beispiel, wie man das benutzt?
Im Idealfall möchte ich vergleichen, wie mein Modell in Bezug auf PCA funktioniert, also wäre es in meinem Kopf schön zu vergleichen, wie die Rekonstruktionen mit PCA-Rekonstruktion bei jedem Schritt verglichen werden. Nicht sicher, ob dies eine gute Idee ist, aber ich möchte auch sehen, wie die Aktivierungsbilder aussehen und wie die Vorlagen aussehen.
Curenttly habe ich ein sehr einfaches Skript mit den folgenden Zeilen:
with tf.name_scope('input_reshape'):
x_image = tf.to_float(x, name='ToFloat')
image_shaped_input = tf.reshape(x_image, [-1, 28, 28, 1])
tf.image_summary('input', image_shaped_input, 10)
zur Zeit habe ich es geschafft zu entdecken, dass die Reihen der Länge 10, so dass ich seine übernehmen zeigt mir 10 Bilder, die etwas mit dem aktuellen Lauf/Batch zu tun.
jedoch, wenn möglich, ich mag den Wiederaufbau, Filter sehen (zur Zeit ich tue vollständig verbundene Dinge einfach zu halten, aber schließlich wäre es schön, ein konv Netto-Beispiele zu sehen), Aktivierungseinheiten (mit einer beliebigen Anzahl von Einheiten, die ich wähle), etc.