TensorFlow-TensorBoard 시각화

TensorFlow에는 TensorBoard라는 시각화 도구가 포함되어 있습니다. 데이터 흐름 그래프를 분석하는 데 사용되며 기계 학습 모델을 이해하는데도 사용됩니다. TensorBoard의 중요한 기능에는 수직 정렬의 모든 그래프의 매개 변수 및 세부 사항에 대한 다양한 유형의 통계보기가 포함됩니다.

심층 신경망에는 최대 36,000 개의 노드가 포함됩니다. TensorBoard는 이러한 노드를 높은 수준의 블록으로 축소하고 동일한 구조를 강조하는 데 도움이됩니다. 이를 통해 계산 그래프의 기본 섹션에 초점을 맞춘 그래프를 더 잘 분석 할 수 있습니다. TensorBoard 시각화는 사용자가 노드를 이동, 확대 / 축소 및 확장하여 세부 정보를 표시 할 수있는 매우 대화 형이라고합니다.

다음 개략도 표현은 TensorBoard 시각화의 전체 작업을 보여줍니다-

알고리즘은 노드를 고수준 블록으로 축소하고 고차 노드를 분리하는 동일한 구조를 가진 특정 그룹을 강조 표시합니다. 이렇게 생성 된 TensorBoard는 유용하며 기계 학습 모델을 조정하는 데 똑같이 중요하게 취급됩니다. 이 시각화 도구는 표시해야하는 요약 정보 및 세부 사항이있는 구성 로그 파일 용으로 설계되었습니다.

다음 코드의 도움으로 TensorBoard 시각화의 데모 예제에 집중하겠습니다.

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))

다음 표는 노드 표현에 사용되는 TensorBoard 시각화의 다양한 기호를 보여줍니다.