TensorFlow TensorBoard可视化

TensorFlow包含一个可视化工具 - 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中任何图形的参数和详细信息的不同类型统计信息的视图。

深度神经网络包括有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。这允许更好地分析关注计算图的主要部分的图。TensorBoard可视化非常具有交互性，用户可以平移，缩放和扩展节点以显示详细信息。

以下示意图表示TensorBoard可视化的完整工作 -

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，这些组将高度节点分开。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。此可视化工具专为配置日志文件而设计，包含需要显示的摘要信息和详细信息。

阅读在以下代码，它用于实现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 -