TensorFlow - TensorBoard 可视化

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 的重要功能包括有关垂直对齐的任何图形的参数和详细信息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 有助于折叠高级块中的这些节点并突出显示相同的结构。这可以更好地分析图，重点关注计算图的主要部分。TensorBoard 可视化据说具有很强的交互性，用户可以平移、缩放和展开节点来显示详细信息。

以下示意图显示了 TensorBoard 可视化的完整工作原理 -

TensorBoard 可视化

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，这些组将高级节点分开。由此创建的 TensorBoard 非常有用，并且对于调整机器学习模型同样重要。该可视化工具专为配置日志文件而设计，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重点关注 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