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