Comment utiliser image_summary pour voir des images de différents lots dans Tensorflow?

Je suis curieux de savoir comment image_summary œuvres. Il y a un paramètre appelé max_images, qui contrôle la façon dont de nombreuses images seront montrées. Cependant, il semble que le résumé n'affiche que des images à partir d'un lot. Si nous utilisons la valeur plus grande de max_iamges, nous allons juste voir plus de photos du lot. Est il possible que je peux afficher par exemple une image de chaque lot?

source d'informationauteur Tong Shen

  1. 8

    Pour afficher une image à partir de chaque lot, vous avez besoin de récupérer le résultat de la tf.image_summary() op à chaque fois que vous exécutez une étape. Par exemple, vous avez la configuration suivante:

    images = ...
loss = ...
optimizer = ...

train_op = optimizer.minimize(loss)
init_op = tf.initialize_all_variables()
image_summary_t = tf.image_summary(images.name, images, max_images=1)

sess = tf.Session()
summary_writer = tf.train.SummaryWriter(...)
sess.run(init_op)

    ...vous pourriez mettre en place votre formation boucle pour capturer une image par itération comme suit:

    for _ in range(10000):
    _, image_summary = sess.run([train_op, image_summary_t])
    summary_writer.add_summary(image_summary)

    Note que la capture des résumés de chaque lot peut être inefficace, et vous devriez probablement capturer seulement le résumé périodiquement pour accélérer la formation.

    EDIT: Le code ci-dessus écrit un résumé distinct pour chaque image, de sorte que votre journal contiendra toutes les images, mais ils ne pourront pas tous être visualisées dans TensorBoard. Si vous souhaitez combiner vos résumés de visualiser des images à partir de plusieurs lots, vous pouvez effectuer les opérations suivantes:

    combined_summary = tf.Summary()
for i in range(10000):
    _, image_summary = sess.run([train_op, image_summary_t])
    combined_summary.MergeFromString(image_summary)
    if i % 10 == 0:
        summary_writer.add_summary(combined_summary)
        combined_summary = tf.Summary()
  2. 2

    J'ai été en mesure de résoudre ce problème en créant un nouveau image_summary op pour chaque lot. c'est à dire que je suis allé à partir de quelque chose qui ressemblait à:

    train_writer = tf.train.SummaryWriter('summary_dir')
img = tf.image_summary("fooImage", img_data)
for i in range(N_BATCHES):
  summary, _ = sess.run([img, train_step])
  train_writer.add_summary(summary, i)

    (Qui, malheureusement, n'a pas été fait à ce que j'attendais.) ...

    train_writer = tf.train.SummaryWriter('summary_dir')
for i in range(N_BATCHES):
  # Images are sorted in lexicographic order, so zero-pad the name
  img = tf.image_summary("fooImage{:06d}".format(i), img_data)
  summary, _ = sess.run([img, train_step])
  train_writer.add_summary(summary)