TensorFlow环境下，如何构建新型实用可视化方案？

2017 年 9 月 14 日 AI前线 热爱技术的

作者｜Chi Zeng，Justine Tunney

翻译｜核子可乐

编辑｜Natalie

在我们于 2015 年对 TensorFlow 进行开源时，其中即包含有 TensorBoard——一款用于对您的 TensorFlow 模型及运行进行检查与理解的可视化套件。TensorBoard 包含一套小型预设可视化功能集，且几乎适用于一切深度学习应用——例如观察随时间推移的损失变化或者探索集群在高维空间内的表现。然而，由于缺少可复用的 API，向 TensorBoard 中添加新可视化方案对于 TensorFlow 团队之外的人士而言往往相当困难——意味着研究社区难以打造出充满创意、美观且实用的可视化成果。

为了实现新型、实用可视化方案的创建能力，我们公布了一套统一 API 集，允许开发者们面向 TensorBoard 添加各类可视化插件。我们希望大家能够利用该 API 扩展 TensorBoard 并确保其能够涵盖更为广泛的用例类型。

我们更新了 TensorBoard 当中的现有仪表板（标签）以使用此全新 API，并将其作为插件创建用户们的引导性示例。欲了解 TensorBoard 当中包含的现有插件列表，大家可以点击此处（https://github.com/tensorflow/tensorboard/tree/master/tensorboard/plugins）查看 GitHub 上的 tensorboard/plugins 目录。下图所示为一款用于生成精确回调曲线的新插件。

此插件显示出标准 TensorBoard 插件的三大组成部分：

用于收集数据以供后续可视化处理的 TensorFlow 摘要。
https://github.com/tensorflow/tensorboard/blob/master/tensorboard/plugins/pr_curve/summary.py
用于支持定制化数据的 Python 后端。
https://github.com/tensorflow/tensorboard/blob/master/tensorboard/plugins/pr_curve/pr_curves_plugin.py
TensorBoard 之内利用 TypeScript 与 polymer 构建而成的仪表板。
https://github.com/tensorflow/tensorboard/tree/master/tensorboard/plugins/pr_curve/tf_pr_curve_dashboard

此外，与其它插件一样，此处演示的“pr_curves”插件也提供演示以帮助用户（1）查看并了解如何使用此插件 ; （2）插件作者可借此在开发中生成示例数据。为了进一步说明插件的工作方式，我们还建立起一款准 TensorBoard“问好（Greeter）”插件。这一示例插件能够在模型运行中收集各类问候语（简单在字符串前加上‘Hello’）并加以显示。我们建议大家以 Greeter 插件为起点进行探索。

另一个值得一提的示例为 Beholder，其由在读研究生 Chris Anderson 所开发。Beholder 能够利用实时视频的馈送数据（例如梯度及卷积滤波器）作为模型训练素材。大家可以点击此处（https://youtu.be/06HjEr0OX5k）查看演示视频。

我们期待着观察社区以此为基础带来的种种创新成果。如果您有意为 TensorBoard 库作出贡献，请通过问题追踪频道与我们取得联系，我们将尽可能为您提供帮助与引导。

鸣谢

感谢 Dandelion Mané与 William Chargin 在本 API 的构建工作中作出的重要贡献。

查看英文原文：

https://research.googleblog.com/2017/09/build-your-own-machine-learning.html