你如何编辑现有的 Tensorboard Training Loss 摘要？

Question

我已经训练了我的网络并生成了一些训练/验证损失，我通过以下代码示例保存了这些损失（仅训练损失示例，验证完全等效）：valid_summary_writer = tf.summary.create_file_writer("/path/to/logs/")with train_summary_writer.as_default():    tf.summary.scalar('Training Loss', data=epoch_loss, step=current_step)训练后，我想使用 Tensorboard 查看损失曲线。但是，因为我将损失曲线保存在名称“Training Loss”和“Validation Loss”下，所以这些曲线绘制在单独的图表上。我知道我应该将名称更改为简单的“损失”以解决此问题，以便将来写入日志目录。但是如何编辑我现有的训练/验证损失日志文件来解决这个问题？我试图修改以下帖子的解决方案：https://stackoverflow.com/a/55061404编辑日志文件的步骤并重新写入文件；我的版本涉及更改文件中的标签。但我在这方面没有成功。它还需要通过 'tf.compat.v1' 导入较旧的 Tensorflow 代码。有没有办法实现这一点（可能在 TF 2.X 中）？我曾想过简单地从包含损失的每个日志目录中获取损失和步长值，并通过我以前的工作方法将它们写入新的日志文件，但我只设法获得了步长，而不是损失值本身。有人在这里取得过成功吗？---=== 编辑 ===---我设法使用来自@jhedesa 的代码解决了这个问题我不得不稍微改变调用函数“rename_events_dir”的方式，因为我在 Google Colab Notebook 中协同使用 Tensorflow。为此，我更改了代码的最后一部分：if __name__ == '__main__':    if len(sys.argv) != 5:        print(f'{sys.argv[0]} <input dir> <output dir> <old tags> <new tag>',              file=sys.stderr)        sys.exit(1)    input_dir, output_dir, old_tags, new_tag = sys.argv[1:]    old_tags = old_tags.split(';')    rename_events_dir(input_dir, output_dir, old_tags, new_tag)    print('Done')要阅读此内容：rootpath = '/path/to/model/'dirlist = [dirname for dirname in os.listdir(rootpath) if dirname not in ['train', 'valid']]for dirname in dirlist:  rename_events_dir(rootpath + dirname + '/train', rootpath + '/train', 'Training Loss', 'loss')  rename_events_dir(rootpath + dirname + '/valid', rootpath + '/valid', 'Validation Loss', 'loss')请注意，我调用了两次“rename_events_dir”，一次用于编辑训练损失的标签，一次用于验证损失标签。我可以通过设置“old_tags = 'Training Loss;Validation Loss'”并使用“old_tags = old_tags.split(';')”来拆分标签来使用之前调用代码的方法。我使用我的方法只是为了理解代码以及它如何处理数据。

Answer 1

正如如何在 Tensorboard 中加载选定范围的样本中所述，TensorBoard 事件实际上是存储的记录文件，因此您可以读取它们并按原样处理它们。这是一个与那里发布的脚本类似的脚本，但用于重命名事件，并更新为在 TF 2.x 中工作。

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

# rename_events.py

import sys

from pathlib import Path

import os

# Use this if you want to avoid using the GPU

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

import tensorflow as tf

from tensorflow.core.util.event_pb2 import Event

def rename_events(input_path, output_path, old_tags, new_tag):

    # Make a record writer

    with tf.io.TFRecordWriter(str(output_path)) as writer:

        # Iterate event records

        for rec in tf.data.TFRecordDataset([str(input_path)]):

            # Read event

            ev = Event()

            ev.MergeFromString(rec.numpy())

            # Check if it is a summary

            if ev.summary:

                # Iterate summary values

                for v in ev.summary.value:

                    # Check if the tag should be renamed

                    if v.tag in old_tags:

                        # Rename with new tag name

                        v.tag = new_tag

            writer.write(ev.SerializeToString())

def rename_events_dir(input_dir, output_dir, old_tags, new_tag):

    input_dir = Path(input_dir)

    output_dir = Path(output_dir)

    # Make output directory

    output_dir.mkdir(parents=True, exist_ok=True)

    # Iterate event files

    for ev_file in input_dir.glob('**/*.tfevents*'):

        # Make directory for output event file

        out_file = Path(output_dir, ev_file.relative_to(input_dir))

        out_file.parent.mkdir(parents=True, exist_ok=True)

        # Write renamed events

        rename_events(ev_file, out_file, old_tags, new_tag)

if __name__ == '__main__':

    if len(sys.argv) != 5:

        print(f'{sys.argv[0]} <input dir> <output dir> <old tags> <new tag>',

              file=sys.stderr)

        sys.exit(1)

    input_dir, output_dir, old_tags, new_tag = sys.argv[1:]

    old_tags = old_tags.split(';')

    rename_events_dir(input_dir, output_dir, old_tags, new_tag)

    print('Done')

你会像这样使用它：

> python rename_events.py my_log_dir renamed_log_dir "Training Loss;Validation Loss" loss