TensorFlow新功能解锁：可在TensorBoard中增加自定义可视化插件

谷歌大脑团队日前发布新的TensorFlow API接口，能让开发者将自定义的可视化插件加入TensorBoard，相较以前更具灵活性。

雷锋网 AI科技评论将最新消息编译整理如下：

我们在2015年开源TensorFlow时就包括TensorBoard了，它是一套用于检查和理解TensorFlow模型和进程的可视化工具。Tensorboard包含一小套预决定的通用可视化工具，几乎适用于所有深度学习应用，例如观察损失随时间的变化，探索高维空间集群。

然而，在缺乏可重用API的情况下，不属于TensorFlow团队的人几乎不可能在TensorBoard中增加新的可视化工具，这使得我们错过了研究社群中很多潜在的极具创造力、美观性和有用的可视化工具。

现在，我们发布了一组一致的API接口，通过这组接口，开发者能增加自定义可视化插件到TensorBoard中，大家可以将自己开发的新的、有用的可视化工具加进来。我们希望开发人员能用这个API来扩展TensorBoard，让它覆盖更广泛的用例。

我们已经更新了TensorBoard中的现有dashboard，它们可以作为样例，大家可以使用新的API接口加入插件。现在可以直接在GitHub的tensorboard/plugins目录下看到TensorBoard包含的插件，大家可以观察下生成precision-recall曲线的新插件，如下图:

这个插件展示了标准TensorBoard插件的三部分:

• 用于为之后的可视化进行数据收集的TensorFlow summary op。

• 提供自定义数据的Python后端。

• 用TypeScript和polymer建造的TensorBoard dashboard。

另外，与其他插件一样，“pr_curves”插件提供了一个demo，用户可以查看这个demo，学习如何使用这个插件，插件作者也可以利用这个demo在开发过程中生成示例数据。

为了进一步说明插件是如何工作的，我们还创建了一个简单的TensorBoard Greeter插件，在模型运行期间，这个插件收集问候语(“你好”后面有些简单的字符串)并将他们显示出来。

我们建议大家先从Greeter插件和其他已有的插件开始探索。

Beholder是Chris Anderson在读研期间开发的，是利用TensorBoard API的一个著名示例，Beholder在训练模型期间能将数据实时用视频显示，大家可以看下面的动图。

我们期待看到研究社群接下来的创新成果。如果你计划在TensorBoard库中新增插件，希望你先通过issue tracker与我们联系，表达你的想法，我们或许可以帮助和引导你。

本文作者：Non

本文转自雷锋网禁止二次转载， 原文链接