การแสดงข้อมูลข้อความใน TensorBoard

ภาพรวม

ใช้ TensorFlow ข้อความข้อมูลอย่างย่อ API คุณสามารถเข้าสู่ระบบข้อความโดยพลการและดูใน TensorBoard ซึ่งจะเป็นประโยชน์อย่างยิ่งในการสุ่มตัวอย่างและตรวจสอบข้อมูลที่ป้อนของคุณ หรือเพื่อบันทึกข้อมูลเมตาการดำเนินการหรือข้อความที่สร้างขึ้น คุณยังสามารถบันทึกข้อมูลการวินิจฉัยเป็นข้อความที่เป็นประโยชน์ในระหว่างการพัฒนาแบบจำลองของคุณ

ในบทช่วยสอนนี้ คุณจะลองใช้กรณีการใช้งานพื้นฐานบางอย่างของ Text Summary API

ติดตั้ง

try:
  # %tensorflow_version only exists in Colab.
  %tensorflow_version 2.x
except Exception:
  pass

# Load the TensorBoard notebook extension.
%load_ext tensorboard

import tensorflow as tf

from datetime import datetime
import json
from packaging import version
import tempfile

print("TensorFlow version: ", tf.__version__)
assert version.parse(tf.__version__).release[0] >= 2, \
    "This notebook requires TensorFlow 2.0 or above."

TensorFlow version:  2.5.0-dev20210219

บันทึกข้อความชิ้นเดียว

เพื่อให้เข้าใจว่า Text Summary API ทำงานอย่างไร คุณจะต้องบันทึกข้อความเล็กน้อยและดูว่าข้อความนั้นแสดงอย่างไรใน TensorBoard

my_text = "Hello world! 😃"

# Clear out any prior log data.
!rm -rf logs

# Sets up a timestamped log directory.
logdir = "logs/text_basics/" + datetime.now().strftime("%Y%m%d-%H%M%S")
# Creates a file writer for the log directory.
file_writer = tf.summary.create_file_writer(logdir)

# Using the file writer, log the text.
with file_writer.as_default():
  tf.summary.text("first_text", my_text, step=0)

ตอนนี้ ใช้ TensorBoard เพื่อตรวจสอบข้อความ รอสักครู่เพื่อให้ UI หมุน

%tensorboard --logdir logs

การจัดระเบียบสตรีมข้อความหลายรายการ

หากคุณมีข้อความหลายสตรีม คุณสามารถเก็บไว้ในเนมสเปซแยกกันเพื่อช่วยจัดระเบียบได้ เช่นเดียวกับสเกลาร์หรือข้อมูลอื่นๆ

โปรดทราบว่าหากคุณบันทึกข้อความในหลายขั้นตอน TensorBoard จะสุ่มตัวอย่างขั้นตอนที่จะแสดงเพื่อให้จัดการการนำเสนอได้ คุณสามารถควบคุมอัตราการสุ่มตัวอย่างโดยใช้ --samples_per_plugin ธง

# Sets up a second directory to not overwrite the first one.
logdir = "logs/multiple_texts/" + datetime.now().strftime("%Y%m%d-%H%M%S")
# Creates a file writer for the log directory.
file_writer = tf.summary.create_file_writer(logdir)

# Using the file writer, log the text.
with file_writer.as_default():
  with tf.name_scope("name_scope_1"):
    for step in range(20):
      tf.summary.text("a_stream_of_text", f"Hello from step {step}", step=step)
      tf.summary.text("another_stream_of_text", f"This can be kept separate {step}", step=step)
  with tf.name_scope("name_scope_2"):
    tf.summary.text("just_from_step_0", "This is an important announcement from step 0", step=0)

%tensorboard --logdir logs/multiple_texts --samples_per_plugin 'text=5'

Markdown การตีความ

TensorBoard ตีความข้อความสรุปเป็น Markdown เนื่องจากการจัดรูปแบบที่หลากหลายสามารถทำให้ข้อมูลที่คุณบันทึกอ่านและทำความเข้าใจได้ง่ายขึ้น ดังที่แสดงด้านล่าง (ถ้าคุณไม่ต้องการการตีความ Markdown ดู ปัญหานี้ สำหรับวิธีการแก้ปัญหาการตีความปราบ.)

# Sets up a third timestamped log directory under "logs"
logdir = "logs/markdown/" + datetime.now().strftime("%Y%m%d-%H%M%S")
# Creates a file writer for the log directory.
file_writer = tf.summary.create_file_writer(logdir)

some_obj_worth_noting = {
  "tfds_training_data": {
      "name": "mnist",
      "split": "train",
      "shuffle_files": "True",
  },
  "keras_optimizer": {
      "name": "Adagrad",
      "learning_rate": "0.001",
      "epsilon": 1e-07,
  },
  "hardware": "Cloud TPU",
}


# TODO: Update this example when TensorBoard is released with
# https://github.com/tensorflow/tensorboard/pull/4585
# which supports fenced codeblocks in Markdown.
def pretty_json(hp):
  json_hp = json.dumps(hp, indent=2)
  return "".join("\t" + line for line in json_hp.splitlines(True))

markdown_text = """
### Markdown Text

TensorBoard supports basic markdown syntax, including:

    preformatted code

**bold text**

| and | tables |
| ---- | ---------- |
| among | others |
"""

with file_writer.as_default():
  tf.summary.text("run_params", pretty_json(some_obj_worth_noting), step=0)
  tf.summary.text("markdown_jubiliee", markdown_text, step=0)

%tensorboard --logdir logs/markdown