TensorBoard - 绘制在同一张图上同时训练的 2 个网络的损失

Question

有没有办法绘制同时训练的两个不同网络的训练损失？

目前我使用两个FileWriter 并将摘要保存到两个不同的目录：

writer_cnn  = tf.summary.FileWriter(os.path.join('log', 'cnn'))
writer_dann = tf.summary.FileWriter(os.path.join('log', 'dann'))
s_loss_cnn  = tf.summary.scalar('loss_class', loss_class_cnn)
s_loss_dann = tf.summary.scalar('loss_class', loss_class_dann)

以及后面的代码：

s_cnn  = sess.run(s_loss_cnn, feed_dict=feed_batch)
s_dann = sess.run(s_loss_dann, feed_dict=feed_batch)
writer_cnn.add_summary(s_cnn, global_step)
writer_dann.add_summary(s_dann, global_step)

但是当我启动 TensorBoard 时，我得到两个不同的图表 loss_class 和 loss_class_1。我在 here 和 there 等不同的地方读到过，创建两个目录是可行的方法。我错过了什么吗？

Answer 1

您没有包含您的代码，但我怀疑您的问题是因为您将所有操作添加到同一个图表（默认图表）。

尝试创建单独的图表并将它们添加到您的writer（图表参数）

类似这样的：

def graph1():
    g1 = tf.Graph()
    with g1.as_default() as g:
        # define your ops
    with tf.Session( graph = g ) as sess:
        # do all the stuff and write the writer

创建一个类似的函数graph2()，然后调用它们。