tensorflow验证监控流媒体

Question

在tensorflow验证监视器流媒体auc中，它对流媒体意味着什么？在

假设我们设置every_n_steps = 100，这样监视器将每100步调用一次。在

另外，假设validation monitor的input_fn函数将生成数据流。假设10批。在

案例1：每次调用验证监视器时，auc状态都会重置，因此，在每个验证步骤中对10个批次执行流式处理。在

情况2：auc状态没有重置，因此流式auc是从第一次调用validation monitor开始计算的。即，从10个批次计算第一个输出（在100个步骤处），第二个验证输出（200个步骤）基于第一次调用之后的流式auc以及输入的10个批次来计算。第三输出（300步）基于第二次调用后的流式auc以及输入的10个批处理来计算。在

问题1，实施了哪种方案？在

问题2，如果我们使用tf.metrics.auc，有什么区别？在this doc中，他们说：

For estimation of the metric over a stream of data, the function creates an update_op operation that updates these variables and returns the auc.

所以这也计算流式auc？！在

Answer 1

答案是案例1。ValidationMonitor调用估计器的evaluate（），它从检查点重新加载模型。局部变量（包括度量所依赖的统计信息）不保存在检查点中；它们在重新加载检查点后重新初始化。在

度量总是流式的，以便可以组合多个评估步骤（由eval_steps参数控制）ValidationMonitor。但这种聚集只是在一个evaluate()步骤内。在

至于tf.contrib.streaming_auc与tf.metrics.auc，后者在核心TensorFlow中，并且有API稳定性保证（它可能是在contrib作为streaming_auc挂出一段时间后移到那里的）。它们应该是等价的，并且核心版本是最好的，除非contrib版本获得了一些您想要使用的新特性（这里不适用）。在