【tensorboard+T-SNE】对数据进行降维可视化

tensorboard自带降维可视化的功能，在tensorboard的PROJECTOR栏中，如图所示。

上图是tensorbaord-PROJECTOR栏的概览，左侧有一些选项，中间是数据点，话不多说，上代码。

概述

使用tensorboard进行降维的主要步骤如下：

1.生成数据，格式是[num_of_samples,num_of_dimensions]
2.生成元数据用于描述每个数据点（这个是可选的，比如每个点的标签，方便后面使用标签进行上色）
3.构建tf.Variable
4.初始化变量并配置

对单个张量进行降维可视化

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

def visualization(data,labels):
	# 注意data的格式
	var = tf.Variable(data,name="var")
	# 构建元数据文件
	with open('metadata.tsv','w') as metadata:
		metadata.write('Index\tLabel\n')
		for i,label in enumerate(labels):
			metadata.write('%d\t%d\n'%(i,label))
	with tf.Session() as sess:
	    saver = tf.train.Saver([var])
	    sess.run(var.initializer)
        saver.save(sess, os.path.join('logs/', 'temp.ckpt'))
        config = projector.ProjectorConfig()
        embedding = config.embeddings.add()
        embedding.tensor_name = var.name
        embedding.metadata_path = 'metadata.tsv'
        projector.visualize_embeddings(tf.summary.FileWriter('logs/'), config)

构造好数据和标签后，直接使用上述函数即可在logs/生成可视化必要的文件，在该目录运行tensorboard即可。

对多个张量进行降维可视化

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

def visualization(data1,data2,labels):
	# 注意data的格式
	var1 = tf.Variable(data1,name="var1")
	var2 = tf.Variable(data2,name="var2")
	# 构建元数据文件
	with open('metadata.tsv','w') as metadata:
		metadata.write('Index\tLabel\n')
		for i,label in enumerate(labels):
			metadata.write('%d\t%d\n'%(i,label))
	vars = [var1,var2]
	with tf.Session() as sess:
	    saver = tf.train.Saver(vars )
	    sess.run(tf.global_variables_initializer())
        saver.save(sess, os.path.join('logs/', 'temp.ckpt'))
        config = projector.ProjectorConfig()
        for var in vars:
	        embedding = config.embeddings.add()
	        embedding.tensor_name = var.name
	        embedding.metadata_path = 'metadata.tsv'
        projector.visualize_embeddings(tf.summary.FileWriter('logs/'), config)

在图示区域可以选择对应的张量进行可视化