Question

在哪里可以找到有关Tensorboard中包含的嵌入式投影仪的文档？ Here，有一些引用，但没有关于如何使用它的分步示例/教程。

Answer 1

据我所知this是关于在TensorFlow网站上嵌入可视化的唯一文档。虽然代码片段对于初次使用的用户可能不是很有启发性，但这里是一个示例用法：

import os
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

LOG_DIR = 'logs'

mnist = input_data.read_data_sets('MNIST_data')
images = tf.Variable(mnist.test.images, name='images')

with tf.Session() as sess:
    saver = tf.train.Saver([images])

    sess.run(images.initializer)
    saver.save(sess, os.path.join(LOG_DIR, 'images.ckpt'))

首先，我们创建一个TensoFlow变量（images），然后使用tf.train.Saver保存它。执行代码后，我们可以通过发出tensorboard --logdir=logs命令并在浏览器中打开localhost:6006来启动TensorBoard。

但是，这种可视化不是很有用，因为我们没有看到每个数据点所属的不同类。为了区分每个类，应该提供一些元数据：

import os
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.contrib.tensorboard.plugins import projector


LOG_DIR = 'logs'
metadata = os.path.join(LOG_DIR, 'metadata.tsv')

mnist = input_data.read_data_sets('MNIST_data')
images = tf.Variable(mnist.test.images, name='images')

with open(metadata, 'w') as metadata_file:
    for row in mnist.test.labels:
        metadata_file.write('%d\n' % row)

with tf.Session() as sess:
    saver = tf.train.Saver([images])

    sess.run(images.initializer)
    saver.save(sess, os.path.join(LOG_DIR, 'images.ckpt'))

    config = projector.ProjectorConfig()
    # One can add multiple embeddings.
    embedding = config.embeddings.add()
    embedding.tensor_name = images.name
    # Link this tensor to its metadata file (e.g. labels).
    embedding.metadata_path = metadata
    # Saves a config file that TensorBoard will read during startup.
    projector.visualize_embeddings(tf.summary.FileWriter(LOG_DIR), config)

这给了我们：

Answer 2

可悲的是，我找不到更全面的文档。下面我收集所有相关资源：

操作方法：https://www.tensorflow.org/how_tos/embedding_viz/
Google Research博客：announcement和animation
论文：https://arxiv.org/pdf/1611.05469v1.pdf
来源：https://github.com/tensorflow/embedding-projector-standalone
2017 TF Dev Summit tutorial和code
问题#6322有一些指示和示例

PS：感谢支持我。现在我可以发布所有链接。

Answer 3

听起来你想要在TensorBoard上运行t-SNE的Visualization部分。正如您所描述的，Tensorflow的API仅提供了how-to document中的基本命令。

我已将使用MNIST数据集的工作解决方案上传到my GitHub repo。

原始Stackoverflow回答：TensorBoard Embedding Example?

Answer 4

@Ehsan
你的解释非常好。这里的关键是必须在saver.save（...）调用之前初始化每个变量。

@Everyone
此外，tensorboard嵌入只是可视化保存的Variable类的实例。它不关心它的单词或图像或其他任何东西。

官方文件https://www.tensorflow.org/get_started/embedding_viz并未指出它是矩阵的方向可视化，在我看来，它引入了很多混淆。

也许您想知道对矩阵进行可视化意味着什么。矩阵可以解释为空间中的点集合。

如果我有一个形状矩阵（100,200），我可以把它解释为100个点的集合，其中每个点有200个维度。换句话说，在200维空间中有100个点。

在word2vec的情况下，我们有100个单词，其中每个单词用200长度向量表示。 Tensorboard嵌入仅使用PCA或T-SNE来可视化此集合（矩阵）。

因此，您可以通过任何随机矩阵。如果您通过具有形状（1080,1920）的图像，它将可视化此图像的每一行，就好像它是单个点一样。

话虽如此，您可以通过简单地保存来可视化任何Variable类实例的嵌入 saver = tf.train.Saver([a, _list, of, wanted, variables]) ...some code you may or may not have... saver.save(sess, os.path.join(LOG_DIR, 'filename.ckpt'))

我稍后会尝试制作详细的教程。

如何使用tensorboard嵌入投影仪？

4 个答案: