TensorBoard嵌入可视化.PDFVIP

TensorBoard：嵌入可视化 建立 原文链接 : /get_started 元数据 /embedding_viz 图片 相互作用 译文链接 : http://www.apache.wiki/pages/viewpag 预测 e.action?pageId 导航 协作功能 贡献者 : 片刻 ApacheCN Apache中文网   嵌入在机器学习中普遍存在，出现在推荐系统，NLP和许多其他应用程序中。实际上，在TensorFlow的上下文中，将张量（或张量片）视为空 间点是很自然的，因此几乎任何TensorFlow系统自然会产生各种嵌入。 TensorBoard有一个内置的可视化器，称为嵌入式投影仪 ，用于交互式可视化和分析高维数据（如嵌入）。嵌入式投影机将从您的模型检查点 文件读取嵌入。虽然它对于嵌入最有用，但它会加载任何2D张量，包括您的训练权重。 要了解有关嵌入和如何训练它们的更多信息，请参阅“ 矢量代表词”教程。如果您对嵌入图像感兴趣，请查看 这篇文章 ，了解MNIST图像的 有趣可视化。另一方面，如果你对文字嵌入感兴趣， 这篇文章 给出了很好的介绍。 默认情况下，嵌入投影机使用主成分分析将高维数据投影到 三维。有关PCA的视觉说明，请参阅 这篇文章。您可以使用的另一个非常有用的投 影是 t-SNE。我们稍后在本教程中谈论更多的t-SNE。 如果您正在使用嵌入式工作，则可能需要将标签/图像附加到数据点。您可以通过生成包含每个点的标签的 元数据文件 ，并通过使用我们的Pyt hon API配置投影机，或手动构建和保存 projector_config.pbtxt 在与检查点文件相同的目录中来实现。   建立 有关如何运行TensorBoard的深入信息，并确保您记录了所有必要的信息，请参阅TensorBoard：可视化学习。 为了可视化您的嵌入，您需要做3件事情： 1）设置一个保存嵌入的2D张量。 embedding_var = tf.Variable() 2 LOG_DIR saver = tf.train.Saver() saver.save(session, os.path.join(LOG_DIR, model.ckpt), step) 3 如果你有你的嵌入相关的任何元数据（标签，图像），你可以告诉TensorBoard它通过直接存储projector_config.pbtxt 在LOG_DIR ， 或使用我们的API的Python。 例如，以下projector_config.ptxt将 word_embedding张量与存储在$LOG_DIR/metadata.tsv以下内容中的元数据相关联： embeddings { tensor_name: word_embedding metadata_path: $LOG_DIR/metadata.tsv } from tensorflow.contrib.tensorboard.plugins import projector # Create randomly initialized embedding weights which will be trained. N = 10000 # Number of items (vocab size). D = 200 # Dimensionality of the embedding. embedding_var = tf.Variable(tf.random_normal([N,D]), name=word_embedding) # Format: t