TensorFlow - TensorBoard Görselleştirme

TensorFlow, TensorBoard adı verilen bir görselleştirme aracı içerir. Veri Akış Grafiğini analiz etmek için ve ayrıca makine öğrenimi modellerini anlamak için kullanılır. TensorBoard'un önemli özelliği, dikey hizalamadaki herhangi bir grafiğin parametreleri ve ayrıntıları hakkında farklı istatistik türlerinin bir görünümünü içerir.

Derin sinir ağı 36.000'e kadar düğüm içerir. TensorBoard, bu düğümleri üst düzey bloklarda daraltmaya ve aynı yapıları vurgulamaya yardımcı olur. Bu, hesaplama grafiğinin ana bölümlerine odaklanarak grafiğin daha iyi analiz edilmesini sağlar. TensorBoard görselleştirmesinin, bir kullanıcının ayrıntıları görüntülemek için düğümleri kaydırabileceği, yakınlaştırabileceği ve genişletebileceği çok etkileşimli olduğu söyleniyor.

Aşağıdaki şematik diyagram gösterimi, TensorBoard görselleştirmesinin tam çalışmasını gösterir -

Algoritmalar, düğümleri yüksek seviyeli bloklara daraltır ve yüksek dereceli düğümleri ayıran özdeş yapılara sahip belirli grupları vurgular. Bu şekilde oluşturulan TensorBoard kullanışlıdır ve bir makine öğrenimi modelini ayarlamak için eşit derecede önemlidir. Bu görselleştirme aracı, görüntülenmesi gereken özet bilgileri ve ayrıntıları içeren yapılandırma günlük dosyası için tasarlanmıştır.

Aşağıdaki kod yardımıyla TensorBoard görselleştirmesinin demo örneğine odaklanalım -

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))

Aşağıdaki tablo, düğüm gösterimi için kullanılan TensorBoard görselleştirmesinin çeşitli sembollerini göstermektedir -