TensorFlow - TensorBoard 可视化

TensorFlow 包含一个可视化工具，称为 TensorBoard。它用于分析 Data Flow Graph，并帮助理解机器学习模型。TensorBoard 的重要特性包括以垂直排列方式查看不同类型参数的统计信息以及图的详细信息。

深度神经网络可能包含多达 36,000 个节点。TensorBoard 有助于将这些节点折叠成高级块，并突出显示相同的结构。这允许更好地分析图，重点关注计算图的主要部分。TensorBoard 可视化非常交互式，用户可以平移、缩放和展开节点以显示详细信息。

以下示意图展示了 TensorBoard 可视化的完整工作流程 −

算法将节点折叠成高级块，并突出显示具有相同结构的特定组，从而分离高阶节点。这样创建的 TensorBoard 非常有用，对于调优机器学习模型同样重要。此可视化工具专为配置日志文件设计，包含需要显示的摘要信息和详细信息。

让我们通过以下代码关注 TensorBoard 可视化的演示示例 −

import tensorflow as tf 

# 为 TensorBoard 可视化创建常量 
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() # 创建模型 

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))

下表展示了 TensorBoard 可视化中用于节点表示的各种符号 −