2.5 TensorBoard可视化_Python+Tensorflow机器学习实战-QQ阅读女频现言网

上QQ阅读APP看书，第一时间看更新

2.5 TensorBoard可视化

TensorBoard是TensorFlow自带的一个强大的可视化工具。在TensorFlow的代码实现中，只要将所需保存的数据放置到summary operations中，并运行所有的summary节点，最后将输出的数据都保存到本地磁盘中，就可以使用TensorBoard进行可视化查看。详细的实现过程将在后续章节中讲解。

2.4节讲解了TensorBoard的启动，本节将详细讲解TensorBoard的可视化功能。TensorBoard中自带了8种可视化：SCALARS、GRAPHS、IMAGES、AUDIO、DISTRIBUTIONS、HISTOGRAMS、PROJECTOR和TEXT。

□ SCALARS（标量）

展示训练过程中准备率、损失值、权重、偏差值等的变化情况。

□ GRAPHS（计算图）

展示训练过程中的计算数据流图，可以展示每个节点的计算关系以及各个设备上消耗的内存和时间等。

□ IMAGES（图片）

展示训练过程中记录的图片。

□ AUDIO（音频）

展示训练过程中的音频。

□ DISTRIBUTIONS（数据分布图）

展示训练过程中记录的数据的分布图。

□ HISTOGRAMS（直方图）

展示训练过程中记录的数据的直方图。

□ PROJECTOR（投影分布）

之前的版本为Embeddings。展示训练过程中数据的投影分布，用于在二维或三维空间对高维数据进行探索。

□ TEXT（文本）

新增加的功能，显示保存的一小段文本。

2.5.1 SCALARS面板

打开TensorBoard时默认直接进入SCALARS面板，并且默认使用.*正则表达式显示所有图像。在面板的顶部导航栏中只展示能够可视化展示的模块，其他模块则会收起到INACTIVE中，如图2.9所示。

图2.9 SCALARS面板

SCALARS面板的左边有对应的处理选项。

□ Show data download links：显示数据的下载链接。可以把TensorBoard绘图用的数据下载下来，单击后在图的右下角可以看到下载链接，下载格式支持CSV和JSON。

□ Ignore outliers in chart scaling：是否排除异常点，默认为选中状态。

□ Tooltip sorting method：用于显示每个run对应点的值的显示顺序，有default、descending（降序）、ascending（升序）和nearest四个选项。

□ Smoothing：绘图时曲线的平滑程度，0表示不平滑处理，1表示最平滑，默认值是0.6。一般采用默认值。如果不进行平滑处理，有些曲线波动很大，难以看出趋势。

□ Horizontal Axis：绘图时横轴的设置，有STEP、RELATIVE和WALL三种设置。其中STEP是默认选项，指横轴显示的是训练迭代次数；RELATIVE指相对时间，相对于训练开始的时间，也就是训练用时；WALL指训练的绝对时间。

□ Runs：列出记录的不同run，可以选择只显示某个或某几个。

SCALARS面板中右边的绘图显示了各个单个值的变化趋势。每张图的左下角都有三个小图标：第一个表示查看大图，第二个表示是否对y轴对数化，第三个表示如果拖动或缩放坐标轴，就会重新回到原始位置。如果图中的某一段需要放大查看，可以用鼠标框选以进行放大处理。

2.5.2 GRAPHS面板

GRAPHS面板是理解模型逻辑最常用的面板。在机器学习的神经网络模型很复杂且包含很多层时，该面板能展示出你所构建的网络整体结构，显示数据流的方向和大小，也可以显示训练时每个节点的用时、耗费的内存大小以及参数，如图2.10所示。

图2.10 GRAPHS面板

GRAPHS面板分为左侧功能区和右侧显示图区。

其中，左侧功能区中对应的处理选项如下。

□ Fit to screen：将图缩放直至适合屏幕。

□ Download PNG：将图保存到本地。

□ Run：显示不同训练过程的结果。

□ Session runs：显示不同迭代步数时的结果。

□ Color：对数据流图进行不同方式的着色。Structure为默认方式，指对整个数据流图的结构着色；Device指训练过程中使用不同设备进行着色；Compute time指显示节点的计算时间；Memory指显示节点的内存消耗。

□ Graph：针对右侧显示图区中各类图示的说明。

右侧显示图区是我们分析的重点，默认显示的图分为两部分：主图（Main Graph）和辅助节点（Auxiliary Node）。其中，主图显示的是网络结构，辅助节点显示的是初始化、训练和保存节点等。

对于图中的节点，可以平移、缩放、拖动、自动平移到节点位置。单击节点后，会在右上角的卡片中显示详情，包括节点的输入、输出和参数等，如图2.11所示。双击某个节点或者单击节点右上角的+可以展开查看其中的情况，也可以对齐进行缩放。

图2.11 conv2d界面

图中节点之间的连线表示节点之间的依赖关系，分为两种链接方式：第一种是数据依赖（data dependency），在图中使用实心箭头（solid arrow）表示两个张量直接的操作，连线越粗，说明两个节点之间流动的张量越多；另一种是控制依赖（control dependency），在图中使用点线箭头（dotted line）表示。