Làm thế nào để một người giải thích biểu đồ được đưa ra bởi TensorFlow trong TensorBoard?

Gần đây tôi đã chạy và học dòng chảy tenor và có một vài biểu đồ mà tôi không biết làm thế nào để giải thích. Thông thường tôi nghĩ về chiều cao của các thanh là tần số (hoặc tần số / số tương đối). Tuy nhiên, thực tế là không có các thanh như trong một biểu đồ thông thường và thực tế là mọi thứ bị mờ làm tôi bối rối. dường như cũng có nhiều đường / chiều cao cùng một lúc?

Có ai biết làm thế nào để giải thích các biểu đồ sau đây (và có thể cung cấp lời khuyên tốt có thể giúp nói chung để đọc biểu đồ trong tenorflow):

có thể một số điều thú vị khác để thảo luận là, nếu các biến ban đầu là vectơ hoặc ma trận hoặc tenxơ, thì thực tế dòng chảy thể hiện là gì, như biểu đồ cho mỗi tọa độ? Ngoài ra, có thể tham khảo cách lấy thông tin này để khiến mọi người tự túc sẽ tốt vì tôi đã gặp một số khó khăn trong việc tìm kiếm tài liệu ngay bây giờ. Có lẽ một số ví dụ hướng dẫn vv? Có lẽ một số lời khuyên về việc thao túng chúng cũng sẽ tốt đẹp.

Để tham khảo, đây là một đoạn trích mã đã đưa ra điều này:

(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)

Hiện tại tên "biểu đồ" là một cách gọi sai. Bạn có thể tìm thấy bằng chứng về điều đó trong README . Ý nghĩa của giao diện biểu đồ có thể thay đổi một ngày nào đó như họ đã nói ở đó. Tuy nhiên, đây là những gì nó hiện có nghĩa.

Các biểu đồ trong câu hỏi của bạn kết hợp các hoạt động khác nhau của TensorFlow. Thay vào đó, hãy nhìn vào các biểu đồ sau chỉ hiển thị một lần chạy:

Đầu tiên điều tôi muốn nói là chính các đường cong đại diện cho phần trăm . Tôi sẽ mượn hình ảnh từ đây :

điều đó có nghĩa là đường cong được dán nhãn 93% là phân vị thứ 93, nghĩa là 93% các quan sát nằm dưới giá trị ~ 0.130 tại bước thời gian 1,00k. Vì vậy, biểu đồ cung cấp 3 thông tin, tỷ lệ phần trăm của các quan sát dưới một giá trị nhất định theo một số đường cong suy nghĩ tại mỗi bước tính toán của đào tạo mạng nơ-ron (ít nhất là trong trường hợp này là các bước có ý nghĩa gì). Điều này mang lại cho bạn cảm giác phân phối các giá trị của mạng của bạn.

Ngoài ra còn có các giá trị tối thiểu và tối đa để hiểu được phạm vi của các giá trị trong quá trình đào tạo.

Vì vậy, trục y cho bạn biết giá trị bạn quan tâm và đường cong cho bạn biết phần trăm và trục x ở bước này. Vì vậy, nếu bạn có:

điều đó có nghĩa là ở bước x theo đường cong phân vị có ít hơn % giá trị dưới giá trị y.$i$$i$