ayrı ayrı her biri için iki ayrı skaler özetleri vermek kolay, ama bu ayrı grafiklerle koyar. Her ikisi de aynı grafikte gösteriliyorsa, aralarındaki boşluğu ve aşırı takma nedeniyle birbirlerinden uzaklaşmaya başlayıp başlamayacaklarını görmek çok daha kolaydır.
Bunu yapmak için bir yol var mı? Aksi halde, bir çalışma etrafında mı? Çok teşekkürler! iş çevresinde ben yapıyor
eğitim seti ve sırasıyla set çapraz doğrulama için farklı günlük dir ile iki SummaryWriter kullanmaktır.
Teşekkürler! Bu yaklaşımın işe yarayacağını düşünmüştüm ama henüz denememiştim. Tabii ki, bu, koşularla birlikte daha akılcı/dağınık geçerlilikleri karşılaştırıyor, ama en azından bir seçenek. Şimdi soruyu açık bırakacağım, bu yüzden umarım başka bir şeyden vazgeçmeden çözecek bir çözüm bulabiliriz. – golmschenk
Elbette, iyi haberlerini bekle :) BTW, karşılaştırmalar ve doğrulamalar arasındaki karşılaştırmalarda olduğu gibi, bunun bir sorun olduğunu düşünmüyorum, çünkü onları sadece "run1/tren", "run2/train" olarak kaydedebilirsiniz "," run1/validation ", vb. Ve karşılaştırma yaparken istediğiniz eğrileri kontrol edin. –
SAME grafiğinde 2 çalışmayı nasıl elde edersiniz? Farklı yazarlarla 2 özeti oluşturmaya çalıştığımda aynı adı taşıyan 'Kayıp' ve 'Kayboldum' aldım – michael
Aksine ayrı iki satır görüntülemek yerine, bunun yerine sapma izlemek için kendi skaler özet olarak doğrulama ve eğitim kayıpları arasındaki farkı belirleyebiliriz: Ve böyle bir şey göreceksiniz.
Bu (iki özetleri ekleyerek kıyasla) tek parselde kadar çok bilgi vermez, ancak (çalışma başına birden özetleri ekleyerek değil) birden çalışır karşılaştırmak mümkün yardımcı olur.
Tensorboard gerçekten güzel araçtır ama onun bildirim doğası gereği zor, istediğiniz tam olarak ne yapmak almak yapabilirsiniz.
Sana komplo ve Tensorboard alternatif olarak kayıp fonksiyonlarının takip edilmesi için (https://losswise.com) Losswise ödeme öneriyoruz.
import losswise
losswise.set_api_key("project api key")
session = losswise.Session(tag='my_special_lstm', max_iter=10)
loss_graph = session.graph('loss', kind='min')
# train an iteration of your model...
loss_graph.append(x, {'train_loss': train_loss, 'validation_loss': validation_loss})
# keep training model...
session.done()
Sonra gibi görünen bir şey olsun: Losswise ile birlikte grafikle gerektiğini tam olarak ne belirttiğiniz veri loss_graph.append aracılığıyla açıkça belli grafiğe nasıl besleneceğini
Bildirimi Daha sonra projenizin gösterge tablosunda görünen verileri arayın. Buna ek olarak, yukarıdaki örnekte Losswise, min(training_loss) ve min(validation_loss) için sütunları olan bir tabloyu otomatik olarak oluşturacaktır, böylece deneyleriniz arasında özet istatistikleri kolayca karşılaştırabilirsiniz. Çok sayıda denemede sonuçları karşılaştırmak için çok yararlıdır.
Şu anda (5/24) bunu yapmak için resmi olarak desteklenen bir yol yoktur. Ama birlikte görselleştirmek için farklı veri kaynaklarını bağlamak için daha genel bir sistem eklemeyi düşünüyoruz ve bu sistem tarafından desteklenecek. – dandelion
@dandelion şu anda hala desteklenmiyor mu? – reese0106
[burada keras kullanarak bir çözüm] (https://stackoverflow.com/a/48393723/3609568) – user66081