TensorFlow新功能解鎖：可在TensorBoard中增加自定義可視化插件

谷歌大腦團隊日前釋出新的TensorFlow API接口，能讓開發者将自定義的可視化插件加入TensorBoard，相較以前更具靈活性。

雷鋒網 AI科技評論将最新消息編譯整理如下：

我們在2015年開源TensorFlow時就包括TensorBoard了，它是一套用于檢查和了解TensorFlow模型和程序的可視化工具。Tensorboard包含一小套預決定的通用可視化工具，幾乎适用于所有深度學習應用，例如觀察損失随時間的變化，探索高維空間叢集。

然而，在缺乏可重用API的情況下，不屬于TensorFlow團隊的人幾乎不可能在TensorBoard中增加新的可視化工具，這使得我們錯過了研究社群中很多潛在的極具創造力、美觀性和有用的可視化工具。

現在，我們釋出了一組一緻的API接口，通過這組接口，開發者能增加自定義可視化插件到TensorBoard中，大家可以将自己開發的新的、有用的可視化工具加進來。我們希望開發人員能用這個API來擴充TensorBoard，讓它覆寫更廣泛的用例。

我們已經更新了TensorBoard中的現有dashboard，它們可以作為樣例，大家可以使用新的API接口加入插件。現在可以直接在GitHub的tensorboard/plugins目錄下看到TensorBoard包含的插件，大家可以觀察下生成precision-recall曲線的新插件，如下圖:

這個插件展示了标準TensorBoard插件的三部分:

用于為之後的可視化進行資料收集的TensorFlow summary op。

提供自定義資料的Python後端。

用TypeScript和polymer建造的TensorBoard dashboard。

另外，與其他插件一樣，“pr_curves”插件提供了一個demo，使用者可以檢視這個demo，學習如何使用這個插件，插件作者也可以利用這個demo在開發過程中生成示例資料。

為了進一步說明插件是如何工作的，我們還建立了一個簡單的TensorBoard Greeter插件，在模型運作期間，這個插件收集問候語(“你好”後面有些簡單的字元串)并将他們顯示出來。

我們建議大家先從Greeter插件和其他已有的插件開始探索。

Beholder是Chris Anderson在讀研期間開發的，是利用TensorBoard API的一個著名示例，Beholder在訓練模型期間能将資料實時用視訊顯示，大家可以看下面的動圖。

我們期待看到研究社群接下來的創新成果。如果你計劃在TensorBoard庫中新增插件，希望你先通過issue tracker與我們聯系，表達你的想法，我們或許可以幫助和引導你。

本文作者：Non