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 的重要功能包括查看不同类型的统计信息，这些统计信息与垂直对齐的任何图形的参数和细节有关。

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。 这允许更好地分析侧重于计算图主要部分的图。 据说 TensorBoard 可视化非常具有交互性，用户可以在其中平移、缩放和展开节点以显示细节。

以下示意图表示显示了 TensorBoard 可视化的完整工作 −

该算法将节点折叠成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。 因此创建的 TensorBoard 非常有用，并且对于调整机器学习模型同样重要。 此可视化工具专为配置日志文件设计，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 −