简述
TensorFlow 包含一个可视化工具,称为 TensorBoard。它用于分析数据流图,也用于理解机器学习模型。TensorBoard 的重要特性包括关于垂直对齐的任何图形的参数和细节的不同类型统计数据的视图。
深度神经网络包括多达 36,000 个节点。TensorBoard 有助于在高级块中折叠这些节点并突出显示相同的结构。这允许更好地分析图形,重点是计算图的主要部分。据说 TensorBoard 可视化具有很强的交互性,用户可以在其中平移、缩放和扩展节点以显示详细信息。
以下示意图表示显示了 TensorBoard 可视化的完整工作 -
该算法将节点折叠为高级块,并突出显示具有相同结构的特定组,将高级节点分开。这样创建的 TensorBoard 很有用,并且对于调整机器学习模型同样重要。这个可视化工具是为配置日志文件设计的,其中包含需要显示的摘要信息和详细信息。
让我们借助以下代码专注于 TensorBoard 可视化的演示示例 -
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))
下表显示了用于节点表示的 TensorBoard 可视化的各种符号 -
![节点表示](/images/tf/node_representation.jpg)