Yocker
  1. Yocker
  3. Un modo semplice per visualizzare un grafico TensorFlow in Jupyter?
Intereting Posts
ASP.NET MVC 4 – per le proprietà di raccolta dei modelli di post del ciclo ma foreach no Trasforma l’elemento animato a rotazione Come disegnare un rettangolo arrotondato su canvas HTML? Come addestrare lo strumento Stanford NLP Sentiment Analysis Come impedire che una class venga allocata tramite l’operatore ‘nuovo’? (Mi piacerebbe assicurarmi che la mia class RAII sia sempre allocata nello stack.) Come si fa a “usare My :: defaults” con i moderni valori predefiniti di perl e utf8? Come bloccare i referenti di spam come darodar.com da Accessing Website? Confrontando due array e ottenendo i valori che non sono comuni Passando le opzioni del compilatore cmake Come posso archiviare l’output da Format-Table per un uso successivo I compilatori JIT di JVM generano codice che utilizza istruzioni in virgola mobile vettorizzate? Alla ricerca di un ComboBox WPF con caselle di controllo MVVM Routed and Relay Command Visualizzazione dei numeri con DOS R aiuta a convertire il fattore fino ad oggi

Un modo semplice per visualizzare un grafico TensorFlow in Jupyter?

Il modo ufficiale per visualizzare un grafico TensorFlow è con TensorBoard, ma a volte voglio solo dare una rapida occhiata al grafico quando lavoro in Jupyter.

Esiste una soluzione rapida, idealmente basata su strumenti TensorFlow o pacchetti SciPy standard (come matplotlib), ma se necessario basata su librerie di terze parti?

Ecco una ricetta che ho copiato da uno dei quaderni dei sogni di Alex Mordvintsev ad un certo punto 

from IPython.display import clear_output, Image, display, HTML def strip_consts(graph_def, max_const_size=32): """Strip large constant values from graph_def.""" strip_def = tf.GraphDef() for n0 in graph_def.node: n = strip_def.node.add() n.MergeFrom(n0) if n.op == 'Const': tensor = n.attr['value'].tensor size = len(tensor.tensor_content) if size > max_const_size: tensor.tensor_content = ""%size return strip_def def show_graph(graph_def, max_const_size=32): """Visualize TensorFlow graph.""" if hasattr(graph_def, 'as_graph_def'): graph_def = graph_def.as_graph_def() strip_def = strip_consts(graph_def, max_const_size=max_const_size) code = """   
  
 """.format(data=repr(str(strip_def)), id='graph'+str(np.random.rand())) iframe = """  """.format(code.replace('"', '"')) display(HTML(iframe))

Quindi per visualizzare il grafico corrente 

 show_graph(tf.get_default_graph().as_graph_def())

Se il tuo grafico è salvato come pbtxt, puoi farlo 

 gdef = tf.GraphDef() from google.protobuf import text_format text_format.Merge(open("tf_persistent.pbtxt").read(), gdef) show_graph(gdef)

Vedrai qualcosa di simile

inserisci la descrizione dell'immagine qui

Ho scritto un’estensione Jupyter per l’integrazione del tensore. Può:

  1. Avvia il tensore semplicemente facendo clic su un pulsante in Jupyter
  2. Gestisci più istanze di torsione.
  3. Perfetta integrazione con l’interfaccia Jupyter.

Github: https://github.com/lspvic/jupyter_tensorboard

Ho scritto un semplice aiutante che avvia un tensore dal taccuino jupyter. Basta aggiungere questa funzione da qualche parte nella parte superiore del tuo notebook 

 def TB(cleanup=False): import webbrowser webbrowser.open('http://127.0.1.1:6006') !tensorboard --logdir="logs" if cleanup: !rm -R logs/

Quindi esegui TB() ogni volta che hai generato i tuoi riepiloghi. Invece di aprire un grafico nella stessa finestra di jupyter, esso:

  • inizia un tensore
  • apre una nuova scheda con il tensore
  • navigare in questa scheda

Dopo aver finito con l’esplorazione, basta fare clic sulla scheda e interrompere interrompere il kernel. Se vuoi pulire la tua directory di registro, dopo l’esecuzione, esegui TB(1)

Una versione gratuita di Tensorboard / iframes di questa visualizzazione che può essere ingombrata rapidamente 

 import pydot from itertools import chain def tf_graph_to_dot(in_graph): dot = pydot.Dot() dot.set('rankdir', 'LR') dot.set('concentrate', True) dot.set_node_defaults(shape='record') all_ops = in_graph.get_operations() all_tens_dict = {k: i for i,k in enumerate(set(chain(*[c_op.outputs for c_op in all_ops])))} for c_node in all_tens_dict.keys(): node = pydot.Node(c_node.name)#, label=label) dot.add_node(node) for c_op in all_ops: for c_output in c_op.outputs: for c_input in c_op.inputs: dot.add_edge(pydot.Edge(c_input.name, c_output.name)) return dot

che può essere seguito da 

 from IPython.display import SVG # Define model tf_graph_to_dot(graph).write_svg('simple_tf.svg') SVG('simple_tf.svg')

per rendere il grafico come record in un file SVG statico Grafico Tensorflow integrato in Dot