如何在tensorflow中使用Softmax分类器中的验证监视器

Question

我刚刚编辑了https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/examples/tutorials/mnist/mnistrongoftmax.py，通过使用验证监视器来启用日志记录

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}))

但是我很困惑我如何在这个程序中设置validation_monitor。我在DNNClassfier中了解到，validation_monitor以流动方式使用

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

那么，我如何在softmax_classifier中使用validation_monitor ?

Answer 1

我认为没有简单的方法可以做到这一点，因为ValidationMonitor是tf.contrib的一部分，例如TensorFlow团队不支持的贡献代码。因此，除非您使用tf.contrib(如DNNClassfier)的一些高级API，否则您可能无法简单地将ValidationMonitor实例传递给优化器的minimize方法。

我相信你的选择是:

• 检查DNNClassfier的fit方法是如何实现的，并通过在你的图形和会话中手动处理ValidationMonitor实例来使用相同的方法。
• 为日志记录和/或早期停止或任何你打算使用ValidationMonitor的事情实现你自己的验证例程。