หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

ปลั๊กอินตาข่าย

ภาพรวม

คลาวด์และจุดเชื่อมโยงเป็นข้อมูลที่สำคัญและทรงพลังเพื่อแสดงรูปร่าง 3 มิติและศึกษาอย่างกว้างขวางในด้านการมองเห็นคอมพิวเตอร์และกราฟิกคอมพิวเตอร์ ข้อมูล 3 มิติกำลังแพร่หลายมากขึ้นและนักวิจัยได้ท้าทายปัญหาใหม่ ๆ เช่นการสร้างรูปทรงเรขาคณิต 3 มิติจากข้อมูล 2 มิติการแบ่งส่วนความหมายของคลาวด์จุด 3D การจัดตำแหน่งหรือปรับเปลี่ยนวัตถุ 3 มิติและอื่น ๆ ดังนั้นการมองเห็นผลลัพธ์โดยเฉพาะอย่างยิ่งในระหว่างขั้นตอนการฝึกอบรมมีความสำคัญอย่างยิ่งต่อการเข้าใจวิธีการทำงานของโมเดล

ปลั๊กอินตาข่ายใน TensorBoard {width = "100%"}

ปลั๊กอินนี้มีจุดประสงค์เพื่อแสดงเมฆแบบสามมิติหรือแบบตาข่าย (จุดเมฆแบบสามเหลี่ยม) ใน TensorBoard นอกจากนี้ยังช่วยให้ผู้ใช้โต้ตอบกับวัตถุที่แสดงผล

API สรุป

ตาข่ายหรือคลาวด์พอยน์สามารถแสดงด้วยเซตของเทนเซอร์ ตัวอย่างเช่นหนึ่งสามารถมองเห็นเมฆจุดเป็นชุดของพิกัด 3 มิติของจุดและบางสีที่เกี่ยวข้องกับแต่ละจุด

 from tensorboard.plugins.mesh import summary as mesh_summary
...

point_cloud = tf.constant([[[0.19, 0.78, 0.02], ...]], shape=[1, 1064, 3])
point_colors = tf.constant([[[128, 104, 227], ...]], shape=[1, 1064, 3])

summary = mesh_summary.op('point_cloud', vertices=point_cloud, colors=point_colors)
 

หมายเหตุเมตริกซ์ colors เป็นตัวเลือกในกรณีนี้ แต่อาจมีประโยชน์ในการแสดงความหมายที่แตกต่างกันของจุด

ขณะนี้ปลั๊กอินสนับสนุนเฉพาะตาข่ายรูปสามเหลี่ยมซึ่งแตกต่างจากเมฆจุดด้านบนโดยการปรากฏตัวของใบหน้าเท่านั้น - ชุดของจุดยอดที่แสดงถึงรูปสามเหลี่ยมบนตาข่าย

 mesh = tf.constant([[[0.19, 0.78, 0.02], ...]], shape=[1, 1064, 3])
colors = tf.constant([[[128, 104, 227], ...]], shape=[1, 1064, 3])
faces = tf.constant([[[13, 78, 54], ...]], shape=[1, 752, 3])

summary = mesh_summary.op('mesh', vertices=mesh, colors=colors, faces=faces)
 

มีเพียงเทนเซอร์ colors เท่านั้นที่เป็นทางเลือกสำหรับการสรุปแบบตาข่าย

การกำหนดค่าฉาก

วิธีการแสดงวัตถุก็ขึ้นอยู่กับการกำหนดค่าฉากเช่นความเข้มและสีของแหล่งกำเนิดแสงวัสดุของวัตถุรุ่นกล้องและอื่น ๆ ทั้งหมดนี้สามารถกำหนดค่าผ่านพารามิเตอร์เพิ่มเติม config_dict พจนานุกรมนี้อาจมีปุ่มระดับสูงสามปุ่ม: camera lights และ material แต่ละคีย์จะต้องเป็นพจนานุกรมที่มีคีย์ cls บังคับซึ่งแสดงถึงชื่อคลาส THREE.js ที่ ถูกต้อง

 camera_config = {'cls': 'PerspectiveCamera'}
summary = mesh_summary.op(
    "mesh",
    vertices=mesh,
    colors=colors,
    faces=faces,
    config_dict={"camera": camera_config},
)
 

camera_config จากตัวอย่างด้านบนสามารถขยายได้ตาม เอกสาร THREE.js คีย์ทั้งหมดจาก camera_config จะถูกส่งไปยังคลาสที่มีชื่อ camera_config.cls ตัวอย่างเช่น (ตาม เอกสารของ PerspectiveCamera ):

 camera_config = {
  'cls': 'PerspectiveCamera',
  'fov': 75,
  'aspect': 0.9,
}
...
 

โปรดทราบว่าการกำหนดค่าฉากไม่ใช่ตัวแปรที่สามารถเรียนรู้ได้ (เช่นคงที่) และควรให้เฉพาะระหว่างการสร้างบทสรุป

ติดตั้งอย่างไร

ขณะนี้ปลั๊กอินเป็นส่วนหนึ่งของ TensorBoard ต่อคืนดังนั้นคุณต้องติดตั้งก่อนใช้งานปลั๊กอิน

Colab

pip install -q -U tb-nightly

จากนั้นโหลดส่วนขยาย Tensorboard และเรียกใช้คล้ายกับวิธีที่คุณทำในเทอร์มินัล:

 %load_ext tensorboard
%tensorboard --logdir=/path/to/logs
 

โปรดดู ตัวอย่าง Colab notebook สำหรับรายละเอียดเพิ่มเติม

สถานีปลายทาง

หากคุณต้องการรัน TensorBoard สร้างขึ้นทุกคืนในพื้นที่ก่อนอื่นคุณต้องติดตั้ง:

 pip install tf-nightly
 

จากนั้นเพียงเรียกใช้:

 tensorboard --logdir path/to/logs