Saya baru-baru ini berlari dan belajar aliran tensor dan mendapat beberapa histogram yang saya tidak tahu bagaimana menafsirkannya. Biasanya saya menganggap tinggi batang sebagai frekuensi (atau frekuensi / jumlah relatif). Namun, kenyataan bahwa tidak ada balok seperti pada histogram biasa dan fakta bahwa banyak hal yang diarsir membuat saya bingung. tampaknya juga ada banyak garis / ketinggian sekaligus?
Apakah ada yang tahu cara menafsirkan grafik berikut (dan mungkin memberikan saran bagus yang dapat membantu secara umum untuk membaca histogram di tensorflow):
mungkin beberapa hal lain yang menarik untuk dibahas adalah, jika variabel asli adalah vektor atau matriks atau tensor, lalu apa yang sebenarnya ditampilkan tensorflow, seperti histogram untuk setiap koordinat? Juga, mungkin merujuk cara mendapatkan informasi ini untuk membuat orang mandiri akan menyenangkan karena saya sudah kesulitan menemukan hal-hal berguna pada dokumen saat ini. Mungkin beberapa contoh tutorial dll? Mungkin beberapa saran tentang memanipulasi mereka akan menyenangkan juga.
Sebagai referensi, di sini ekstrak kode yang memberikan ini:
(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)
W1_hist = tf.histogram_summary("W1", W1). Dikatakan histogram, apa lagi yang harus saya sebut? Saya tidak tahu mengapa mereka menyebutnya histogram ketika itu sesuatu yang lain.Jawaban:
Saat ini nama "histogram" adalah nama yang salah. Anda dapat menemukan bukti itu di README . Arti antarmuka histogram mungkin berubah suatu hari seperti yang mereka katakan di sana. Namun, inilah artinya saat ini.
Grafik dalam pertanyaan Anda mencampur berbagai berjalan TensorFlow. Alih-alih, lihat grafik berikut yang hanya menampilkan sekali proses:
Pertama yang ingin saya katakan adalah bahwa kurva itu sendiri mewakili persentil . Saya akan meminjam gambar dari sini :
yang berarti bahwa kurva berlabel 93% adalah persentil ke-93, yang berarti bahwa 93% dari pengamatan berada di bawah nilai ~ 0,130 pada langkah waktu 1,00 k. Jadi grafik memberikan 3 hal informasi, persentase pengamatan di bawah nilai tertentu menurut beberapa kurva berpikir pada setiap langkah perhitungan pelatihan jaringan saraf (setidaknya dalam hal ini apa artinya langkah-langkahnya). Ini memberi Anda nuansa distribusi nilai-nilai jaringan Anda.
Ada juga nilai minimum dan maksimum untuk merasakan kisaran nilai selama pelatihan.
Jadi sumbu y memberi tahu Anda nilai yang Anda minati dan kurva memberi tahu Anda persentil dan sumbu x pada langkah. Jadi, jika Anda memiliki:
sumber