前言

之前我都是用TensorBoard记录训练过程中的Loss、mAP等标量，很容易就知道TensorBoard里的SCALARS（标量）图是怎么看的（其中横纵轴的含义、Smoothing等）。

最近在尝试模型压缩，其中的一个步骤是对模型进行稀疏训练。

稀疏训练时需要记录模型中BN层的Gamma值的分布情况（取哪些值，这些值出现的次数/频度），这时用TensorBoard里的SCALARS之类的图就不合适了，而是应该用TensorBoard里的HISTOGRAMS（直方图）和DISTRIBUTIONS（暂未找到合适的译文）。

所以我昨天学习、了解了一点HISTOGRAMS和DISTRIBUTIONS，今天做了一部分简单记录，具体见下文。

正文

HISTOGRAMS和DISTRIBUTIONS这两种图的数据源是相同的，只是从不同的视角、以不同的方式来表示数据的分布情况。

下面先介绍HISTOGRAMS，再介绍DISTRIBUTIONS。

HISTOGRAMS

上图是TensorBoard生成的一个直方图（OFFEST模式），下面介绍图中几个元素的含义。

• 数据源
  • 数据源是多个一维数组
    • 也在别处看到有人说可以是多维数组，但会被压缩成一维数组，有兴趣的小伙伴可以具体研究一下
    • 如果你只有1个数组，也是可以的
• 当鼠标放在图上时出现的一条黑线和数字
  • 鼠标放在图上出现的一条黑线，就对应数据源里的一个一维数组
  • 上图中显示的黑线对应我的第41个数组的所有元素（index为40，因为index从0开始计数的）的取值的分布情况
• 图下方的横轴
  • 横轴的值和数组内元素的取值对应
• 图右方的纵轴
  • 纵轴的值对应着是哪一个数组，或者说对应了数组的id、index（上边提到的40）
• 颜色
  • 可以看到上图中的颜色是渐变的，靠上（id小）的颜色深，靠下（id大）的颜色浅
• 上面的用词比较“学术化”，如果看不懂，就看下边的这个解释吧
  • 我的数据有99个数组，index从0到98，但右侧的纵轴值只标到了90
  • 数组元素的分布范围是横轴上的数字，可以看出我的每个数组中的元素的取值大约集中在0到0.2，超过1.5的元素很少
  • 我的第40个数组（说法不严谨，准确地说是id为40）中大约有505个元素的值为0.536左右
• 如果还是不懂的话，建议先去看看直方图是什么

DISTRIBUTIONS

把HISTOGRAMS搞懂后，这个图就很好懂的，因为这个图的数据源和HISTOGRAMS一样。

• 横轴
  • 横轴是对应哪个数组
• 纵轴
  • 数组中元素的取值
• 颜色
  • 颜色深代表对应值出现的频数高
• 如上图，我的99个数组从0到98，数组中元素的取值慢慢地趋近于0

参考链接

剪枝Github

https://github.com/tanluren/yolov3-channel-and-layer-pruning

HISTOGRAMS和DISTRIBUTIONS

https://www.cnblogs.com/rainydayfmb/p/7944224.html

https://vimsky.com/article/3645.html

https://www.jianshu.com/p/8fdc43e48c86

https://blog.csdn.net/wgj99991111/article/details/84708255

作者：@臭咸鱼

转载请注明出处：https://www.cnblogs.com/chouxianyu/

欢迎讨论和交流!

TensorBoard中HISTOGRAMS和DISTRIBUTIONS图形的含义

原文：https://www.cnblogs.com/chouxianyu/p/12622914.html