如何在 Tensorboard 中显示所有渐变的列表？

Question

我正在使用 Tensorboard 1.5，我想看看我的渐变效果如何。

这是我正在使用的图层示例：

net = tf.layers.dense(features, 40, activation=tf.nn.relu, kernel_regularizer=regularizer, 
                        kernel_initializer=tf.contrib.layers.xavier_initializer())

这是我的优化器：

train_op = tf.train.AdamOptimizer(learning_rate = learning_rate).minimize(loss)

对于我的模型参数，我以这种方式创建摘要：

for var in tf.trainable_variables():
    tf.summary.histogram(var.name, var)

是否有类似的方法来获取 for 循环中的所有梯度来创建我的摘要？

Answer 1

你应该首先使用优化器的 compute_gradients 获取梯度，然后将它们传递给 summary:

opt = tf.train.AdamOptimizer(learning_rate = learning_rate)

# Calculate the gradients for the batch of data
grads = opt.compute_gradients(loss)

# Add histograms for gradients.
for grad, var in grads:
  if grad is not None:
    summaries.append(tf.summary.histogram(var.op.name + '/gradients', grad))

然后进行训练，可以调用优化器的apply_gradients：

# Apply the gradients to adjust the shared variables.
train_op = opt.apply_gradients(grads, global_step=global_step)

更多内容，您可以前往tensorflow cifar10 tutorial。

如何在 Tensorboard 中显示所有渐变的列表？

How to display a list of all gradients in Tensorboard?

python

deep-learning

tensorflow

tensorboard