Авторы: Чи Цзэн и Джастин Танни, инженеры-программисты, команда Google Brain
когдаМы открыли исходный код TensorFlow в 2015 году., это включает в себяTensorBoardДа, набор инструментов визуализации для проверки и понимания ваших моделей и операций TensorFlow. Tensorboard включает в себя небольшой набор предопределенных инструментов визуализации общего назначения практически для любого приложения глубокого обучения, например для наблюдения за потерями во времени илиИсследуйте кластеры в многомерных пространствах. Однако без многоразового API добавление новой пары плагинов визуализации в TensorBoard Это очень сложно для всех, кроме команды TensorFlow, и из-за этого мы упускаем множество творческих, красивых и полезных инструментов визуализации в исследовательском сообществе.
Чтобы помочь сообществу создавать новые и полезные плагины для визуализации, мы объявляем о выпускеЕдиный набор API, который позволяет разработчикам добавлять в TensorBoard собственные плагины визуализации. Мы хотим, чтобы разработчики использовали это расширение API TensorBoard и убедитесь, что он охватывает более широкий спектр вариантов использования.
Мы обновили существующие информационные панели (вкладки) в TensorBoard, чтобы помочь вам использовать новые API, которые авторы плагинов могут использовать в качестве примеров. Текущий список плагинов, включенных в TensorBoard, вы можете просмотретькаталог tensorboard/plugins на GitHub. Например, наблюдения могут генерироватьКривая точности-отзываНовый плагин для:
Плагин предоставляет 3 части стандартного плагина TensorBoard:
Известный пример того, как участники начали использовать TensorBoard API, этоBeholder,, этот плагин был недавно созданChris AndersonПостроен во время получения степени магистра. Beholder отображает потоки видеоданных в реальном времени, такие как градиенты и сверточные фильтры, в качестве обучения модели. ты сможешьздесьПосмотрите демонстрационное видео.
Мы с нетерпением ждем нововведений от сообщества. Если вы планируете добавлять плагины в кодовую базу TensorBoard, вы должны сначала передатьIssue TrackerСвяжитесь с нами и расскажите, что вы думаете, чтобы мы могли помочь и направить вас.
Спасибо
Dandelion Mané и William Chargin сыграли важную роль в создании этого API.
когдаМы открыли исходный код TensorFlow в 2015 году., это включает в себяTensorBoardДа, набор инструментов визуализации для проверки и понимания ваших моделей и операций TensorFlow. Tensorboard включает в себя небольшой набор предопределенных инструментов визуализации общего назначения практически для любого приложения глубокого обучения, например для наблюдения за потерями во времени илиИсследуйте кластеры в многомерных пространствах. Однако без многоразового API добавление новой пары плагинов визуализации в TensorBoard Это очень сложно для всех, кроме команды TensorFlow, и из-за этого мы упускаем множество творческих, красивых и полезных инструментов визуализации в исследовательском сообществе.
Чтобы помочь сообществу создавать новые и полезные плагины для визуализации, мы объявляем о выпускеЕдиный набор API, который позволяет разработчикам добавлять в TensorBoard собственные плагины визуализации. Мы хотим, чтобы разработчики использовали это расширение API TensorBoard и убедитесь, что он охватывает более широкий спектр вариантов использования.
Мы обновили существующие информационные панели (вкладки) в TensorBoard, чтобы помочь вам использовать новые API, которые авторы плагинов могут использовать в качестве примеров. Текущий список плагинов, включенных в TensorBoard, вы можете просмотретькаталог tensorboard/plugins на GitHub. Например, наблюдения могут генерироватьКривая точности-отзываНовый плагин для:
- Суммарная операция TensorFlow, используемая для сбора данных для последующих инструментов визуализации. [GitHub]
- Серверная часть Python, которая предоставляет пользовательские данные. [GitHub]
- Панель инструментов в TensorBoard, созданная с помощью TypeScript и Polymer. [GitHub]
Известный пример того, как участники начали использовать TensorBoard API, этоBeholder,, этот плагин был недавно созданChris AndersonПостроен во время получения степени магистра. Beholder отображает потоки видеоданных в реальном времени, такие как градиенты и сверточные фильтры, в качестве обучения модели. ты сможешьздесьПосмотрите демонстрационное видео.
Спасибо
Dandelion Mané и William Chargin сыграли важную роль в создании этого API.