TF Boys (TensorFlow Boys ) 养成记（六）： CIFAR10 Train 和 TensorBoard 简介

圣诞节玩的有点嗨，差点忘记更新。祝大家昨天圣诞节快乐，再过几天元旦节快乐。

来继续学习，在/home/your_name/TensorFlow/cifar10/ 下新建文件夹cifar10_train，用来保存训练时的日志logs，继续在/home/your_name/TensorFlow/cifar10/ cifar10.py中输入如下代码：

def train():
# global_step
global_step = tf.Variable(0, name = 'global_step', trainable=False)
# cifar10 数据文件夹
data_dir = '/home/your_name/TensorFlow/cifar10/data/cifar-10-batches-bin/'
# 训练时的日志logs文件，没有这个目录要先建一个
train_dir = '/home/your_name/TensorFlow/cifar10/cifar10_train/'
# 加载 images，labels
images, labels = my_cifar10_input.inputs(data_dir, BATCH_SIZE)

# 求 loss
loss = losses(inference(images), labels)
# 设置优化算法，这里用 SGD 随机梯度下降法，恒定学习率
optimizer = tf.train.GradientDescentOptimizer(LEARNING_RATE)
# global_step 用来设置初始化
train_op = optimizer.minimize(loss, global_step = global_step)
# 保存操作
saver = tf.train.Saver(tf.all_variables())
# 汇总操作
summary_op = tf.merge_all_summaries()
# 初始化方式是初始化所有变量
init = tf.initialize_all_variables()

os.environ['CUDA_VISIBLE_DEVICES'] = str(0)
config = tf.ConfigProto()
# 占用 GPU 的 20% 资源
config.gpu_options.per_process_gpu_memory_fraction = 0.2
# 设置会话模式，用 InteractiveSession 可交互的会话，逼格高
sess = tf.InteractiveSession(config=config)
# 运行初始化
sess.run(init)

# 设置多线程协调器
coord = tf.train.Coordinator()
# 开始 Queue Runners (队列运行器)
threads = tf.train.start_queue_runners(sess = sess, coord = coord)
# 把汇总写进 train_dir，注意此处还没有运行
summary_writer = tf.train.SummaryWriter(train_dir, sess.graph)

# 开始训练过程
try:
for step in xrange(MAX_STEP):
if coord.should_stop():
break
start_time = time.time()
# 在会话中运行 loss
_, loss_value = sess.run([train_op, loss])
duration = time.time() - start_time
# 确认收敛
assert not np.isnan(loss_value), 'Model diverged with loss = NaN'
if step % 30 == 0:
# 本小节代码设置一些花哨的打印格式，可以不用管
num_examples_per_step = BATCH_SIZE
examples_per_sec = num_examples_per_step / duration
sec_per_batch = float(duration)
format_str = ('%s: step %d, loss = %.2f (%.1f examples/sec; %.3f '
'sec/batch)')
print (format_str % (datetime.now(), step, loss_value,
examples_per_sec, sec_per_batch))

if step % 100 == 0:
# 运行汇总操作， 写入汇总
summary_str = sess.run(summary_op)
summary_writer.add_summary(summary_str, step)

if step % 1000 == 0 or (step + 1) == MAX_STEP:
# 保存当前的模型和权重到 train_dir，global_step 为当前的迭代次数
checkpoint_path = os.path.join(train_dir, 'model.ckpt')
saver.save(sess, checkpoint_path, global_step=step)

except Exception, e:
coord.request_stop(e)
finally:
coord.request_stop()
coord.join(threads)

sess.close()

def evaluate():

data_dir = '/home/your_name/TensorFlow/cifar10/data/cifar-10-batches-bin/'
train_dir = '/home/your_name/TensorFlow/cifar10/cifar10_train/'
images, labels = my_cifar10_input.inputs(data_dir, BATCH_SIZE, train = False)

logits = inference(images)
saver = tf.train.Saver(tf.all_variables())

os.environ['CUDA_VISIBLE_DEVICES'] = str(0)
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.2
sess = tf.InteractiveSession(config=config)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess = sess, coord = coord)

# 加载模型参数
print("Reading checkpoints...")
ckpt = tf.train.get_checkpoint_state(train_dir)
if ckpt and ckpt.model_checkpoint_path:
ckpt_name = os.path.basename(ckpt.model_checkpoint_path)
global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
saver.restore(sess, os.path.join(train_dir, ckpt_name))
print('Loading success, global_step is %s' % global_step)

try:
# 对比分类结果，至于为什么用这个函数，后面详谈
top_k_op = tf.nn.in_top_k(logits, labels, 1)
true_count = 0
step = 0
while step < 157:
if coord.should_stop():
break
predictions = sess.run(top_k_op)
true_count += np.sum(predictions)
step += 1

precision = true_count / 10000
print('%s: precision @ 1 = %.3f' % (datetime.now(), precision))
except tf.errors.OutOfRangeError:
coord.request_stop()
finally:
coord.request_stop()
coord.join(threads)

sess.close()

if __name__ == '__main__':

if TRAIN:
train ()
else:
evaluate()

现在说明一下 in_top_k 这个函数的作用，官方文档介绍中：

tf.nn.in_top_k(predictions, targets, k, name=None)

这个函数返回一个 batch_size 大小的布尔矩阵 array，predictions 是一个 batch_size*classes 大小的矩阵，targets 是一个 batch_size 大小的类别 index 矩阵，这个函数的作用是，如果 targets[i] 是 predictions[i][:] 的前 k 个最大值，则返回的 array[i] = True， 否则，返回的 array[i] = False。可以看到，在上述评估程序 evaluate 中，这个函数没有用 softmax 的结果进行计算，而是用 inference 最后的输出结果（一个全连接层）进行计算。

写完之后，点击运行，可以看到，训练的 loss 值，从刚开始的 2.31 左右，下降到最终的 0.00 左右，在训练的过程中，/home/your_name/TensorFlow/cifar10/cifar10_train/ 文件夹下会出现12个文件，其中有 5 个 model.ckpt-0000 文件，这个是训练过程中保存的模型，后面的数字表示迭代次数，5 个 model.ckpt-0000.meta 文件，这个是训练过程中保存的元数据（暂时不清楚功能），TensorFlow 默认只保存近期的几个模型和几个元数据，删除前面没用的模型和元数据。还有个 checkpoint 的文本文档，和一个 out.tfevents 形式的文件，是summary 的日志文件。如果不想用 tensorboard 看网络结构和训练过程中的权重分布，损失情况等等，在程序中可以不写 summary 语句。

训练完成之后，我们用 tensorboard 进行可视化（事实上在训练的过程中，随时可以可视化）。在任意位置打开命令行终端，输入：

tensorboard --logdir=/home/your_name/TensorFlow/cifar10/cifar10_train/

会出现如下指示：



根据指示，打开浏览器，输入 http://127.0.1.1:6006（有的浏览器可能不支持，建议多换几个浏览器试试）会看到可视化的界面，有六个选项卡：


EVENTS 对话框里面有两个图，一个是训练过程中的 loss 图，一个是队列 queue 的图；由于没有 image_summary() 和 audio_summary() 语句，所以，IMAGES 和 AUDIO 选项卡都没有内容；GRAPHS 选项卡包含了整个模型的流程图，如下图，可以展开和移动选定的 namespace；DISTRBUTIONS 和 HISTOGRAMS 包含了训练时的各种汇总的分布和柱状图。



训练完之后，设置 TRAIN = False，进行测试，得到如下结果：



可以看到，测试的精度只有 76%，测试结果不够高的原因可能是，测试的时候没有经过 softmax 层，直接用全连接层的权重（存疑？），另外官方的代码也给出了官方的运行结果，如下：



可以看到，经过 10 万次迭代，官方给出的正确率达到 83%，我们只进行了 5 万次，达到 76% 的正确率，相对来说，还算可以，效果没有官方好的原因可能是：

1. 官方使用了非固定的学习率；

2. 官方迭代比本代码迭代次数多一倍；

参考文献：

1. https://github.com/tensorflow/models/tree/master/tutorials/image/cifar10