TensorFlow - การแสดงภาพ TensorBoard

TensorFlow มีเครื่องมือแสดงภาพซึ่งเรียกว่า TensorBoard ใช้สำหรับวิเคราะห์กราฟการไหลของข้อมูลและยังใช้เพื่อทำความเข้าใจโมเดลการเรียนรู้ของเครื่อง คุณลักษณะที่สำคัญของ TensorBoard ประกอบด้วยมุมมองของสถิติประเภทต่างๆเกี่ยวกับพารามิเตอร์และรายละเอียดของกราฟใด ๆ ในแนวตั้ง

โครงข่ายประสาทส่วนลึกประกอบด้วยโหนดมากถึง 36,000 โหนด TensorBoard ช่วยในการยุบโหนดเหล่านี้ในบล็อกระดับสูงและเน้นโครงสร้างที่เหมือนกัน สิ่งนี้ช่วยให้สามารถวิเคราะห์กราฟโดยเน้นที่ส่วนหลักของกราฟการคำนวณได้ดีขึ้น การแสดงภาพ TensorBoard เป็นแบบโต้ตอบที่ผู้ใช้สามารถเลื่อนซูมและขยายโหนดเพื่อแสดงรายละเอียดได้

การแสดงแผนผังต่อไปนี้แสดงการทำงานที่สมบูรณ์ของการแสดงภาพ TensorBoard -

อัลกอริทึมจะยุบโหนดลงในบล็อกระดับสูงและเน้นกลุ่มเฉพาะที่มีโครงสร้างเหมือนกันซึ่งแยกโหนดระดับสูง TensorBoard ที่สร้างขึ้นจึงมีประโยชน์และถือว่ามีความสำคัญเท่าเทียมกันสำหรับการปรับโมเดลการเรียนรู้ของเครื่อง เครื่องมือการแสดงภาพนี้ออกแบบมาสำหรับล็อกไฟล์การกำหนดค่าพร้อมข้อมูลสรุปและรายละเอียดที่จำเป็นต้องแสดง

ให้เรามุ่งเน้นไปที่ตัวอย่างสาธิตของการแสดงภาพ TensorBoard ด้วยความช่วยเหลือของรหัสต่อไปนี้ -

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))

ตารางต่อไปนี้แสดงสัญลักษณ์ต่างๆของการแสดงภาพ TensorBoard ที่ใช้สำหรับการแสดงโหนด -