Как использовать монитор проверки в SoftMax классификатором в tensorflow

Question

Я просто отредактировать https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/examples/tutorials/mnist/mnist_softmax.py включить ведение журнала с помощью монитора проверки

from __future__ import absolute_import 
    from __future__ import division 
    from __future__ import print_function 

    # Import data 
    from tensorflow.examples.tutorials.mnist import input_data 

    import tensorflow as tf 

    flags = tf.app.flags 
    FLAGS = flags.FLAGS 
    flags.DEFINE_string('data_dir', '/tmp/data/', 'Directory for storing data') 

    mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True) 

    sess = tf.InteractiveSession() 

    # Create the model 
    x = tf.placeholder(tf.float32, [None, 784]) 
    W = tf.Variable(tf.zeros([784, 10])) 
    b = tf.Variable(tf.zeros([10])) 
    y = tf.nn.softmax(tf.matmul(x, W) + b) 

    validation_metrics = {"accuracy": tf.contrib.metrics.streaming_accuracy, 
          "precision": tf.contrib.metrics.streaming_precision, 
          "recall": tf.contrib.metrics.streaming_recall} 
    validation_monitor = tf.contrib.learn.monitors.ValidationMonitor(
     mnist.test.images, 
     mnist.test.labels, 
     every_n_steps=50, metrics=validation_metrics, 
     early_stopping_metric="loss", 
     early_stopping_metric_minimize=True, 
     early_stopping_rounds=200) 
    # Define loss and optimizer 
    y_ = tf.placeholder(tf.float32, [None, 10]) 
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) 
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

    # Train 
    tf.initialize_all_variables().run() 
    for i in range(1000): 
     batch_xs, batch_ys = mnist.train.next_batch(100) 
     train_step.run({x: batch_xs, y_: batch_ys}) 

    # Test trained model 
    correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1)) 
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
    print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels})) 

Но я путаюсь, как я установить validation_monitor в этой программе. Я узнал в DNNClassfier, то validation_monitor используется в flowwing образом

# Fit model. 
classifier.fit(x=training_set.data, 
       y=training_set.target, 
       steps=2000, monitors=[validation_monitor]) 

Итак, как я могу использовать validation_monitor в softmax_classifer?

Answer 1

Я не думаю, что есть простой способ сделать это, поскольку ValidationMonitor является частью tf.contrib, например. код вклада, который не поддерживается командой TensorFlow. Поэтому, если вы не используете какой-либо API более высокого уровня от tf.contrib (например, DNNClassfier), возможно, вы не сможете просто передать экземпляр ValidationMonitor методу minimize оптимизатора.

Я считаю, что ваши варианты:

• Проверить, как реализуются и использовать тот же подход, вручную обращение с ValidationMonitor экземпляром в вашем графике и сессиях DNNClassfier «s fit метода.
• Внедрите свою собственную процедуру проверки для регистрации и/или ранней остановки или что бы вы ни использовали, для использования ValidationMonitor.