หนึ่งตีความฮิสโตแกรมที่ TensorFlow มอบให้ใน TensorBoard ได้อย่างไร

เมื่อเร็ว ๆ นี้ฉันกำลังวิ่งและเรียนรู้การไหลของเทนเซอร์และมีฮิสโตแกรมสองสามอย่างที่ฉันไม่รู้ว่าจะตีความอย่างไร ฉันมักจะคิดว่าความสูงของแท่งเป็นความถี่ (หรือความถี่ / นับญาติ) อย่างไรก็ตามความจริงที่ว่าไม่มีแถบอยู่ในฮิสโตแกรมตามปกติและความจริงที่ว่าสิ่งต่าง ๆ จะทำให้ฉันสับสน ดูเหมือนว่าจะมีหลายบรรทัด / สูงในครั้งเดียว?

มีคนรู้วิธีตีความกราฟต่อไปนี้หรือไม่และอาจให้คำแนะนำที่ดีซึ่งสามารถช่วยในการอ่านฮิสโตแกรมในเทนเซอร์โฟลว์โดยทั่วไป)

บางทีสิ่งอื่น ๆ ที่น่าสนใจที่จะพูดถึงคือถ้าตัวแปรดั้งเดิมเป็นเวกเตอร์หรือเมทริกซ์หรือเทนเซอร์ดังนั้นเทนเซอร์โฟลว์ที่แสดงในความเป็นจริงคืออะไรเช่นฮิสโตแกรมของแต่ละพิกัด นอกจากนี้บางทีการอ้างอิงถึงวิธีรับข้อมูลนี้เพื่อให้ผู้คนมีความพอเพียงจะดีเพราะฉันเคยพบสิ่งที่มีประโยชน์ในเอกสารตอนนี้ บางทีแบบฝึกหัดตัวอย่างเป็นต้น บางทีคำแนะนำในการจัดการกับพวกเขาอาจจะดีเช่นกัน

เป็นข้อมูลอ้างอิงที่นี่เป็นส่วนหนึ่งของรหัสที่ให้สิ่งนี้:

(X_train, Y_train, X_cv, Y_cv, X_test, Y_test) = data_lib.get_data_from_file(file_name='./f_1d_cos_no_noise_data.npz')
(N_train,D) = X_train.shape
D1 = 24
(N_test,D_out) = Y_test.shape
W1 = tf.Variable( tf.truncated_normal([D,D1], mean=0.0, stddev=std), name='W1') # (D x D1)
S1 = tf.Variable( tf.constant(100.0, shape=[]), name='S1') # (1 x 1)
C1 = tf.Variable( tf.truncated_normal([D1,1], mean=0.0, stddev=0.1), name='C1' ) # (D1 x 1)
W1_hist = tf.histogram_summary("W1", W1)
S1_scalar_summary = tf.scalar_summary("S1", S1)
C1_hist = tf.histogram_summary("C1", C1)

ปัจจุบันชื่อ "ฮิสโตแกรม" เป็นชื่อเรียกที่ไม่ถูกต้อง คุณสามารถหาหลักฐานที่อยู่ในREADME ความหมายของอินเทอร์เฟซฮิสโตแกรมอาจเปลี่ยนแปลงได้ในบางวันตามที่กล่าวไว้ อย่างไรก็ตามนี่คือความหมายในปัจจุบัน

กราฟในคำถามของคุณผสมผสานการวิ่งที่แตกต่างกันของ TensorFlow ให้ดูกราฟต่อไปนี้ที่แสดงการวิ่งเพียงครั้งเดียวแทน

สิ่งแรกที่ฉันอยากจะพูดก็คือเส้นโค้งนั้นแสดงถึงเปอร์เซ็นไทล์ ฉันจะยืมภาพจากที่นี่ :

ซึ่งหมายความว่าเส้นโค้งที่ติดป้าย 93% เป็นเปอร์เซ็นไทล์ 93 ซึ่งหมายความว่า 93% ของการสำรวจอยู่ต่ำกว่าค่า ~ 0.130 ในขั้นตอนเวลา 1.00k ดังนั้นกราฟให้ข้อมูล 3 สิ่งเปอร์เซ็นต์ของการสังเกตมีค่าที่แน่นอนตามเส้นโค้งการคิดในทุกขั้นตอนของการคำนวณของการฝึกอบรมโครงข่ายประสาทเทียม (อย่างน้อยในกรณีนี้คือความหมายของขั้นตอน) สิ่งนี้จะทำให้คุณรู้สึกถึงการกระจายคุณค่าของเครือข่ายของคุณ

นอกจากนี้ยังมีค่าต่ำสุดและค่าสูงสุดในการรับรู้ช่วงของค่าในระหว่างการฝึกอบรม

ดังนั้นแกน y จะบอกค่าที่คุณสนใจและกราฟจะบอกเปอร์เซ็นต์และแกน x ในขั้นตอนนี้ ดังนั้นถ้าคุณมี:

$i$$i$