TensorFlow - TensorBoard 可视化

TensorFlow 包含一个名为 TensorBoard 的可视化工具。它用于分析数据流图，也用于理解机器学习模型。TensorBoard 的重要功能包括垂直排列查看关于参数和任何图的详细信息的不同类型的统计信息。

深度神经网络包含多达 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 可视化据说非常交互式，用户可以平移、缩放和展开节点以显示详细信息。

下图显示了 TensorBoard 可视化的完整工作原理：

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，这些组将高阶节点分开。因此创建的 TensorBoard 非常有用，在调整机器学习模型方面同样重要。此可视化工具专为具有摘要信息和需要显示的详细信息的配置文件而设计。

让我们借助以下代码关注 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：