Простой способ визуализировать TensorFlow график в Jupyter?

официальный способ визуализации графика тензорного потока - это TensorBoard, но иногда я просто хочу быстро взглянуть на график, когда я работаю в Jupyter.

есть ли быстрое решение, идеально основанное на инструментах TensorFlow или стандартных пакетах SciPy (например, matplotlib), но при необходимости основанное на сторонних библиотеках?

40
graph-visualization jupyter tensorboard tensorflow

4 ответов

вот рецепт, который я скопировал у одного Алексея Мордвинцева из deep dream ноутбук в какой-то момент

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 = "<stripped %d bytes>"%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 = """
        <script>
          function load() {{
            document.getElementById("{id}").pbtxt = {data};
          }}
        </script>
        <link rel="import" href="https://tensorboard.appspot.com/tf-graph-basic.build.html" onload=load()>
        <div style="height:600px">
          <tf-graph-basic id="{id}"></tf-graph-basic>
        </div>
    """.format(data=repr(str(strip_def)), id='graph'+str(np.random.rand()))

    iframe = """
        <iframe seamless style="width:1200px;height:620px;border:0" srcdoc="{}"></iframe>
    """.format(code.replace('"', '&quot;'))
    display(HTML(iframe))

затем визуализировать текущий график

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

Если ваш график сохранен как pbtxt, вы можете сделать

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

вы увидите что-то вроде этого

enter image description here

76

Я написал расширение Jupyter для tensorboard интеграции. Он может:

  1. запустите tensorboard, просто нажав кнопку в Jupyter
  2. управление несколькими экземплярами tensorboard.
  3. интеграция с интерфейсом Jupyter.

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

9

Я написал простой помощник, который начинается tensorboard от ноутбука jupyter. Просто добавьте эту функцию где-нибудь в верхней части вашего ноутбука

def TB(cleanup=False):
    import webbrowser
    webbrowser.open('http://127.0.1.1:6006')

    !tensorboard --logdir="logs"

    if cleanup:
        !rm -R logs/

а затем запустите его TB() всякий раз, когда вы создали свое резюме. Вместо того, чтобы открыть график в том же окне jupyter, он:

  • начинает tensorboard
  • открывает новую вкладку с tensorboard
  • перейдите на эту вкладку

после того, как вы закончите исследование, просто нажмите вкладку и остановите прерывание ядра. Если вы хотите очистить каталог журнала, после запуска просто запустите TB(1)

4

в Tensorboard / фреймы бесплатная версия этой визуализации что правда захламляется быстро 

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

, который затем может последовать 

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

для отображения графика в виде записей в статическом SVG-файле Integrated Tensorflow Graph in Dot

3