我有一个TensorFlow模型，其中一部分用于评估准确度。该accuracy只是TensorFlow图中的另一个节点，它接受logits和labels作为输入。
当我想绘制训练准确度时，这很简单：我有类似这样的代码：
tf.scalar_summary("Training Accuracy", accuracy)tf.scalar_summary("SomethingElse", foo)summary_op = tf.merge_all_summaries()writer = tf.train.SummaryWriter('/me/mydir/', graph=sess.graph)然后，在我的训练循环中，我有类似这样的代码：
for n in xrange(1000): ... summary, ..., ... = sess.run([summary_op, ..., ...], feed_dict) writer.add_summary(summary, n) ...同样，在这个循环中，每隔100次迭代，我想评估验证准确度。我为此准备了一个单独的feed_dict，并且能够在Python中很好地评估验证准确度。
然而，我的困惑在于：我想为验证准确度创建另一个摘要，通过使用accuracy节点来实现。我不太清楚该如何操作。虽然我有accuracy节点，理论上我应该可以重用它，但我不知道具体如何操作，以便将验证准确度作为一个独立的scalar_summary输出…
这可能如何实现呢？
回答：
你可以重用accuracy节点，但你需要使用两个不同的SummaryWriters，一个用于训练运行，另一个用于测试数据。另外，你需要将准确度的标量摘要分配给一个变量。
accuracy_summary = tf.scalar_summary("Training Accuracy", accuracy)tf.scalar_summary("SomethingElse", foo)summary_op = tf.merge_all_summaries()summaries_dir = '/me/mydir/'train_writer = tf.train.SummaryWriter(summaries_dir + '/train', sess.graph)test_writer = tf.train.SummaryWriter(summaries_dir + '/test')然后在你的训练循环中，你正常进行训练并使用train_writer记录你的摘要。此外，每100次迭代时，你在测试集上运行图表，并仅使用test_writer记录准确度摘要。
# 记录训练集摘要，并进行训练summary, _ = sess.run([summary_op, train_step], feed_dict=...)train_writer.add_summary(summary, n)if n % 100 == 0: # 记录摘要和测试集准确度 summary, acc = sess.run([accuracy_summary, accuracy], feed_dict=...) test_writer.add_summary(summary, n) print('Accuracy at step %s: %s' % (n, acc))然后你可以将TensorBoard指向父目录（summaries_dir），它会加载这两个数据集。
这也可以在TensorFlow的HowTo中找到 https://www.tensorflow.org/versions/r0.11/how_tos/summaries_and_tensorboard/index.html
