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

雷鋒網(wǎng) 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(chuàng)造力、美觀性和有用的可視化工具。

現(xiàn)在，我們發(fā)布了一組一致的API接口，通過這組接口，開發(fā)者能增加自定義可視化插件到TensorBoard中，大家可以將自己開發(fā)的新的、有用的可視化工具加進來。我們希望開發(fā)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(jīng)更新了TensorBoard中的現(xiàn)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(xiàn)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(shù)據(jù)收集的TensorFlow summary op。

• 提供自定義數(shù)據(jù)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(fā)過程中生成示例數(shù)據(jù)。

為了進一步說明插件是如何工作的，我們還創(chuàng)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(fā)的，是利用TensorBoard API的一個著名示例，Beholder在訓練模型期間能將數(shù)據(jù)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(chuàng)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(lián)系，表達你的想法，我們或許可以幫助和引導你。

雷鋒網(wǎng) AI科技評論編譯。

via：https://research.googleblog.com/

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。