Tensorflow是最受欢迎的免费开放源代码机器学习库之一，可帮助您执行各种机器学习和深度学习项目。它可以用于各种任务，包括训练，推理，可视化ML和DL模型。它还提供了各种各样的预训练模型。
TensorBoard是tensorflow的可视化工具包。它帮助我们可视化各种机器学习实验。
我们可以用TensorBoard做什么？
- TB可以帮助我们追踪各种指标，例如机器学习训练的损失和准确性。
- 模型图可以可视化。
- 我们可以查看权重，偏差或其他张量的直方图。
- 将高维嵌入图绘制到低维空间。可视化并理解它
- 显示图像，文本和音频数据
- 等等
如标题中所述，我们将专注于将Tensorboard嵌入式投影用于我们自己的用例以及我们自己的特征向量。
在此之前，我们来看一些词嵌入和图像特征向量的可视化示例。
Word2Vec嵌入示例
MNIST
您可以通过两种方式将projector与TB一起使用。
直接上传特征向量
使用这里加载按钮直接上传。
要加载要可视化的数据，我们必须了解加载数据的格式。为了可视化，需要以tsv格式上传特征向量。每行代表一个特征向量，并以'\ t'空格分隔。然后还必须以tsv格式添加元数据。特征向量和标签的顺序应与其映射标签以进行可视化的顺序相同。如果你也要提供该类，则在元数据中以制表符分隔的列中，可以指定该类。但是如果添加两列，则必须添加列名称。
使用代码
使用tensorboard在本地计算机上嵌入投影仪，首先需要安装tensorflow。
现在，您需要导入和加载必要的程序包和扩展。
在这里，我们导入tensorboard扩展。之后，我们从tensorflow.plugins加载projector。
然后设置一个日志目录，以便Tensorboard知道在哪里查找文件。
这个例子需要metadata.tsv和features.txt（txt格式的向量）。您可以根据自己的喜好选择两者。
在这里，我正在创建一个名为test和inside 的日志目录，使用已经创建的metadata.tsv，其中包含元数据和features.txt，其中包含特征向量。对于元数据，它与上述情况相同。但是对于features.txt，我只是将每个功能附加到列表中，并使用np.savetxt函数将其保存。
最后需要使用以下命令运行TB，就完成了
如果想直接访问TB，可以使用浏览器打开localhost：6006。
作者：
deephub翻译组