Tensorflow - 使用批处理生成 Tensorboard 嵌入？答案

【问题标题】：Tensorflow - Generating a Tensorboard embedding with batching?Tensorflow - 使用批处理生成 Tensorboard 嵌入？
【发布时间】：2017-10-16 02:51:02
【问题描述】：

非常直接的问题：

2017 年 Tensorflow 开发者峰会上有一个很好的例子，介绍了如何使用 Tensorboard 并使用 MNIST 数据集 here 生成嵌入，这让我很容易弄清楚如何用我自己的数据集实现嵌入。

但是，在他们的示例中，他们在一次运行中使用 1024 张图像生成嵌入，而无需任何类型的批处理。有没有办法通过批处理生成它？似乎没有明显的方法可以做到这一点。

例如，如果我想要嵌入 1000 张图像但不能一次计算所有 1000 张图像，我想以 50 张为一组“存储”它们，然后最终结果仍然是 1000 张图像。

谢谢！

【问题讨论】：

标签： python tensorflow tensorboard

【解决方案1】：

代码在运行sess.run(assignment, feed_dict={x: mnist.test.images[:1024], y: mnist.test.labels[:1024]}) 时计算 1024 张图像的嵌入。如果您只想计算图像子集的嵌入，请输入该子集并仅存储该子集的嵌入（因此，使用多个变量而不是单个变量），同时保持其余代码相同。

【讨论】：

哦，对不起，也许我解释得不好：我实际上想做相反的事情。例如，如果我想要 1000 张图像但不能一次计算所有 1000 张图像，我想以 50 张为一组“存储”它们，然后最终结果仍然是 1000 张图像。
对，所以制作 200 个变量，每个变量适合 50 张图像，然后在操作上调用 session.run，该操作为每个变量分配您要为该变量存储的图像子集的结果跨度>
啊，我想我现在明白你在说什么，我之前误解了，对不起！这基本上就是我现在正在做的事情，除了我基本上一直覆盖相同的变量，但我可以轻松地制作更多并以这种方式存储它们。但是，这不是让我能够在（继续我们的示例）20 个嵌入之间进行交换，因为它是单独存储它们的吗？我希望它在功能上看起来与我一次运行所有 1000 个并将其存储在 1 个变量中（即一次查看所有 1000 个）没有什么不同。可能吗？再次感谢您的帮助！
我的意思是，您永远不能分配给变量而只获取结果。我不太明白你所说的功能上没有什么不同是什么意思。
通过“功能上看起来没有什么不同”，我的意思是我想在一个图表上同时查看所有结果，就好像我一次运行了所有 1000 个而不是对它们进行批处理，而不是将我的视图换成不同的批次/图表。但是，我有一种感觉，由于嵌入的计算方式，根本不可能创建完整的组合批处理视图。