tensorflow(四十八)：使用tensorboard可视化训练出的文本embedding

u012436149

已于 2022-10-01 23:15:23 修改

阅读量796

点赞数

分类专栏： tensorflow学习笔记文章标签： python 开发语言

于 2022-10-01 23:14:19 首次发布

本文链接：https://blog.csdn.net/u012436149/article/details/127138604

版权

tensorflow学习笔记专栏收录该内容

54 篇文章 679 订阅

订阅专栏

对应 tensorflow 1.15版本


log_dir = "./logdir"
metadata_path = os.path.join(log_dir, 'metadata.csv')

names = ["苹果", "香蕉"]
embs = [[1.0, 2.0, 0.1, 0.4], [1.0, 1.0, 0.1, 0.4]]

# 1. 写 metadata.csv. 这里存的是对应的 embedding的 文本
with open(metadata_path, "w") as f:
    for name in names:
        f.write("{}\n".format(name))
    
# 2. 将embs 存为 checkpoint
embedding = tf.Variable(embs, dtype=tf.float32)
ckpt = tf.train.Checkpoint(embedding=embedding)
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    ckpt.save(os.path.join(log_dir, "embedding.ckpt"))

# 3. 写summary
from tensorboard.plugins import projector
config = projector.ProjectorConfig()

cfg_emb = config.embeddings.add()
# 这个名字是个默认值
cfg_emb.tensor_name = "embedding/.ATTRIBUTES/VARIABLE_VALUE"
cfg_emb.metadata_path = 'metadata.csv'
projector.visualize_embeddings(tf.summary.FileWriter(log_dir), config)

# 然后命令行执行 tensorboard --logdir=logdir