TensorFlow新功能：可在TensorBoard中增加自定義可視化插件

AI 科技評論消息，谷歌大腦團隊日前發布新的 TensorFlow API 接口，能讓開發者將自定義的可視化插件加入 TensorBoard，相較以前更具靈活性。

AI 科技評論將最新消息編譯整理如下：

我們在 2015 年開源 TensorFlow 時就包括 TensorBoard 了，它是一套用于檢查和理解 TensorFlow 模型和進程的可視化工具。Tensorboard 包含一小套預決定的通用可視化工具，幾乎適用于所有深度學習應用，例如觀察損失隨時間的變化，探索高維空間集群。

然而，在缺乏可重用 API 的情況下，不屬于 TensorFlow 團隊的人幾乎不可能在 TensorBoard 中增加新的可視化工具，這使得我們錯過了研究社群中很多潛在的極具創造力、美觀性和有用的可視化工具。

現在，我們發布了一組一致的 API 接口，通過這組接口，開發者能增加自定義可視化插件到 TensorBoard 中，大家可以將自己開發的新的、有用的可視化工具加進來。我們希望開發人員能用這個 API 來擴展 TensorBoard，讓它覆蓋更廣泛的用例。

我們已經更新了 TensorBoard 中的現有 dashboard，它們可以作為樣例，大家可以使用新的 API 接口加入插件。現在可以直接在 GitHub 的 tensorboard/plugins 目錄下看到 TensorBoard 包含的插件，大家可以觀察下生成 precision-recall 曲線的新插件，如下圖:

這個插件展示了標準 TensorBoard 插件的三部分:

• 用于為之后的可視化進行數據收集的 TensorFlow summary op。

• 提供自定義數據的 Python 后端。

• 用 TypeScript 和 polymer 建造的 TensorBoard dashboard。

另外，與其他插件一樣，“pr_curves”插件提供了一個 demo，用戶可以查看這個 demo，學習如何使用這個插件，插件作者也可以利用這個 demo 在開發過程中生成示例數據。

為了進一步說明插件是如何工作的，我們還創建了一個簡單的 TensorBoard Greeter 插件，在模型運行期間，這個插件收集問候語(“你好”后面有些簡單的字符串)并將他們顯示出來。

我們建議大家先從 Greeter 插件和其他已有的插件開始探索。

Beholder 是 Chris Anderson 在讀研期間開發的，是利用 TensorBoard API 的一個著名示例，Beholder 在訓練模型期間能將數據實時用視頻顯示，大家可以看下面的動圖。

我們期待看到研究社群接下來的創新成果。如果你計劃在 TensorBoard 庫中新增插件，希望你先通過 issue tracker 與我們聯系，表達你的想法，我們或許可以幫助和引導你。

來自: 雷鋒網