TensorBoard + tenorflow.slim работает вместе

Question

В API низкоуровневого тензорного потока я могу построить гистограмму, например, используя следующий код

.. some code ..
with tf.name_scope('output_layer'):
    weights = tf.Variable(tf.random_normal([d1, d2], dtype=tf.float32),
                          name='weights')
    biases = tf.Variable(tf.random_normal([d2], dtype=tf.float32), 
                         name='biases')

tf.summary.histogram('output_weights', weights)
tf.summary.histogram('biases', biases)

Недавно я решил попробовать slim API, и мне было интересно, как я могу управлять своими графиками TensorBoard в простых и более сложных случаях.

Например, если я хотел бы построить гистограмму (как tf.summary.histogram) весов и среднего (как tf.summary.scalar) уклонов в следующих двух примерах, что я буду делать?

Простой пример:

with tf.name_scope('output_layer'):
    predictions = slim.fully_connected(inputs, d2)

Сложный пример:

with tf.name_scope('output_layer'):
    predictions = slim.stack(inputs, slim.fully_connected, [32, 64, 128])

Answer 1

Я думаю, что стандартный способ сделать это - создать такой цикл, который будет добавлять распределения и гистограммы весов, смещений, параметров пакетной нормы и т. Д. Для каждого слоя:

for variable in slim.get_model_variables():
    tf.summary.histogram(variable.op.name, variable)