Tensorflow : 런타임 테스트 메트릭 및 데이터 대기열

Question

네트워크를 학습하는 동안 테스트 세트의 정확도를 계산하고 표시하고자합니다.

피드를 사용하는 MNIST tutorial에서는 기차 데이터가 아닌 테스트 데이터를 제공하여 쉽게 수행 할 수 있음을 알 수 있습니다. 단순한 문제에 대한 간단한 해결책.

그러나 일괄 처리를 위해 대기열을 사용할 때 이러한 쉬운 예제를 찾을 수 없습니다. AFAICS 문서는 두 가지 해결책을 제시합니다.

1. 저장된 상태로 오프라인 테스트. 나는 오프라인 싶지 않아.
2. 훈련중인 네트워크와 가중치를 공유하는 두 번째 '테스트'네트워크 만들기. 그것은 간단하게 들리지 않으며 나는 그 예를 보지 못했습니다.

런타임에 테스트 메트릭을 계산하는 세 번째 방법이 있습니까? 아니면 공유 가중치를 사용하는 두 번째 테스트 네트워크의 예가 있습니다. 구현하기가 간단하여 나를 잘못 판단한 것입니까?

Answer 1

질문을 올바르게 이해했다면 feed_dict가 아닌 대기열 입력으로 교육하면서 모델을 검증하고 싶습니까? 내 program을 참조하십시오.

먼저이 구문 분석이 대기열을 시작하면 'train.tfreords'및 훈련 프로그램 'valid.tfreocrds'

둘째처럼 기차와 검증 파일로 당신에게 데이터를 변환 할 필요가 : 여기 짧은 설명입니다 두 개의 파일, 및

with tf.variable_scope("inference") as scope: 
     logits = mnist.inference(images) 
     scope.reuse_variables() 
     validation_logits = mnist.inference(validation_images) 

에 의해이 작업이 완료 내 프로그램에서 기차와

유효을위한 두 logits를 얻을 수 공유 변수를 사용

다음 logits을 사용하여 열차 손실을 최소화하고 validation_logits을 사용하여 정확한 정확도를 얻으십시오.