tensorflow - TensorBoard嵌入示例？

Question

我正在寻找张量板嵌入示例，例如带有虹膜数据的嵌入投影仪http://projector.tensorflow.org/

但不幸的是我找不到一个。关于https://www.tensorflow.org/how_tos/embedding_viz/中如何做的一点点信息

有人知道此功能的基本教程吗？

基本:

1)设置一个2D张量变量来保存您的嵌入。

embedding_var = tf.Variable(....)

2)定期将嵌入内容保存在LOG_DIR中。

3)将元数据与您的嵌入关联。

Answer 1

听起来您想在TensorBoard上运行t-SNE来获得“可视化”部分。正如您所描述的，Tensorflow的API仅在how-to document中提供了基本的基本命令。

我已经将工作解决方案和MNIST数据集上传到my GitHub repo。

是的，它分为三个一般步骤:

为每个维度创建元数据。

将图像与每个尺寸相关联。

将数据加载到TensorFlow中，并将嵌入内容保存在LOG_DIR中。

TensorFlow r0.12版本仅灌输通用的详细信息。官方源代码中没有我所知道的完整代码示例。

我发现其中涉及两项任务，但未记录在操作方法中。

从源

准备数据

将数据加载到tf.Variable

中

虽然TensorFlow是为使用GPU设计的，但在这种情况下，我选择使用CPU生成t-SNE可视化，因为该进程占用的内存比我的MacBookPro GPU所能访问的更多。 TensorFlow包含对MNIST数据集的API访问，因此我使用了它。 MNIST数据以结构化的numpy数组的形式出现。使用 tf.stack函数可以将此数据集堆叠到张量列表中，这些张量可以嵌入可视化文件中。以下代码包含了我如何提取数据并设置TensorFlow嵌入变量的方法。

with tf.device("/cpu:0"):
    embedding = tf.Variable(tf.stack(mnist.test.images[:FLAGS.max_steps], axis=0), trainable=False, name='embedding')

创建元数据文件的过程是对numpy数组进行 slice 。

def save_metadata(file):
    with open(file, 'w') as f:
        for i in range(FLAGS.max_steps):
            c = np.nonzero(mnist.test.labels[::1])[1:][0][i]
            f.write('{}\n'.format(c))

如何操作中说明了要关联的图像文件。我已将前10,000个MNIST图像的png文件上传到 my GitHub。

到目前为止，TensorFlow对我来说效果很好，它的计算速度非常快，有据可查，并且该API在功能上似乎很完善，目前我正打算做的任何事情。我期待在来年使用自​​定义数据集生成更多可视化效果。这篇文章是从 my blog编辑的。祝您好运，请让我知道如何进行。 :)