我有一个GCMLE实验,我想在tensorflow中绘制逐层梯度的全局范数。我可以在tensorflow中使用所有梯度的全局范数,但我想专门为嵌入绘制梯度。这是我的当前代码
gradients, variables = zip(*train_op.compute_gradients(loss))
tf.summary.scalar("gradients", tf.global_norm(gradients))
我还知道我应该能够使用
tf.trainable_variables()
但我不确定区分每一层的最简单方法是什么?我猜我需要知道每个层/变量的名称,并创建表示感兴趣的特定变量的张量?我认为应该是这样的:
list_of_embedding_variables = [somehow grab the relevant names from tf.trainable_variables]
embedding_gradients = [g for g,v in zip(gradients, variables) if variables in list_of_embedding_variables]
tf.summary.scalar("embedding_gradients", tf.global_norm(gradients))
因为我将此作为GCMLE实验运行,所以我没有访问sess的权限。run()/打印所有变量名。有没有办法查看tf列表。GCMLE实验中保存的图形中的trainable\u variables()?或者在tensorboard中显示这些变量名?
选项1
我的一个想法是,我应该创建感兴趣的变量集合——例如,如果我的嵌入序列是:
embedding_sequence = tf.contrib.layers.embed_sequence(sequence,
vocab_size=n_tokens, embed_dim=word_embedding_size)
tf.add_to_collection("embedding_collection", embedding_sequence)
tf.summary.scalar("embedding_gradients",tf.global_norm(tf.get_collection("embedding_collection")