TensorFlow - Visualizzazione TensorBoard
TensorFlow include uno strumento di visualizzazione, chiamato TensorBoard. Viene utilizzato per analizzare il grafico del flusso di dati e anche per comprendere i modelli di apprendimento automatico. L'importante caratteristica di TensorBoard include una visualizzazione di diversi tipi di statistiche sui parametri e dettagli di qualsiasi grafico in allineamento verticale.
La rete neurale profonda include fino a 36.000 nodi. TensorBoard aiuta a collassare questi nodi in blocchi di alto livello e ad evidenziare le strutture identiche. Ciò consente una migliore analisi del grafico concentrandosi sulle sezioni primarie del grafico di calcolo. Si dice che la visualizzazione di TensorBoard sia molto interattiva in cui un utente può fare una panoramica, ingrandire ed espandere i nodi per visualizzare i dettagli.
La seguente rappresentazione schematica del diagramma mostra il funzionamento completo della visualizzazione di TensorBoard:
Gli algoritmi comprimono i nodi in blocchi di alto livello ed evidenziano i gruppi specifici con strutture identiche, che separano i nodi di alto livello. Il TensorBoard così creato è utile ed è considerato altrettanto importante per l'ottimizzazione di un modello di machine learning. Questo strumento di visualizzazione è progettato per il file di registro della configurazione con informazioni di riepilogo e dettagli che devono essere visualizzati.
Concentriamoci sull'esempio demo della visualizzazione di TensorBoard con l'aiuto del codice seguente:
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))
La tabella seguente mostra i vari simboli della visualizzazione TensorBoard utilizzati per la rappresentazione del nodo: