TensorFlow TensorBoard視覺化


TensorFlow包含一個視覺化工具 - TensorBoard。它用於分析資料流圖,也用於理解機器學習模型。TensorBoard的重要功能包括有關垂直對齊中任何圖形的引數和詳細資訊的不同型別統計資訊的檢視。

深度神經網路包括有36,000個節點。TensorBoard有助於在高階塊中摺疊這些節點並突出顯示相同的結構。這允許更好地分析關注計算圖的主要部分的圖。TensorBoard視覺化非常具有互動性,使用者可以平移,縮放和擴充套件節點以顯示詳細資訊。

以下示意圖表示TensorBoard視覺化的完整工作 -

TensorBoard可視化

演算法將節點折疊為高階塊,並突出顯示具有相同結構的特定組,這些組將高度節點分開。由此建立的TensorBoard非常有用,並且對於調整機器學習模型同樣重要。此視覺化工具專為組態紀錄檔檔案而設計,包含需要顯示的摘要資訊和詳細資訊。

閱讀在以下程式碼,它用於實現TensorBoard視覺化的演示範例 -

import tensorflow as tf 

# Constants creation for TensorBoard visualization 
a = tf.constant(10,name = "a") 
b = tf.constant(90,name = "b") 
y = tf.Variable(a+b*2,name = 'y') 
model = tf.initialize_all_variables() #Creation of model 

with tf.Session() as session: 
   merged = tf.merge_all_summaries() 
   writer = tf.train.SummaryWriter("/tmp/tensorflowlogs",session.graph) 
   session.run(model) 
   print(session.run(y))

下表顯示了用於節點表示的TensorBoard視覺化的各種符號 -

TensorBoard可視化符號