Czy można wizualizować osadzanie kerasów w tensorach?

Question

Keras ma zdolność do eksportu niektórych jest to dane szkolenie w tensorboard formacie kompatybilna z użyciem keras.callbacks.TensorBoard

Jednak nie obsługuje embedding visualisation w tensorboard.

Czy istnieje sposób obejścia tego?

Answer 1

znalazł rozwiązanie:

import os 

import keras 
import tensorflow 

ROOT_DIR = '/tmp/tfboard' 

os.makedirs(ROOT_DIR, exist_ok=True) 


OUTPUT_MODEL_FILE_NAME = os.path.join(ROOT_DIR,'tf.ckpt') 

# get the keras model 
model = get_model() 
# get the tensor name from the embedding layer 
tensor_name = next(filter(lambda x: x.name == 'embedding', model.layers)).W.name 

# the vocabulary 
metadata_file_name = os.path.join(ROOT_DIR,tensor_name) 

embedding_df = get_embedding() 
embedding_df.to_csv(metadata_file_name, header=False, columns=[]) 

saver = tensorflow.train.Saver() 
saver.save(keras.backend.get_session(), OUTPUT_MODEL_FILE_NAME) 

summary_writer = tensorflow.train.SummaryWriter(ROOT_DIR) 

config = tensorflow.contrib.tensorboard.plugins.projector.ProjectorConfig() 
embedding = config.embeddings.add() 
embedding.tensor_name = tensor_name 
embedding.metadata_path = metadata_file_name 
tensorflow.contrib.tensorboard.plugins.projector.visualize_embeddings(summary_writer, config) 

Answer 2

Istnieje wniosek wyciągnąć z tej funkcjonalności - https://github.com/fchollet/keras/pull/5247 zwrotna jest przedłużony do tworzenia wizualizacji dla poszczególnych warstw zatapiania.