Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Wizualizacja danych za pomocą projektora osadzania w TensorBoard

Zobacz na TensorFlow.org Uruchom w Google Colab Wyświetl źródło na GitHub

Przegląd

Korzystając z projektora do osadzania TensorBoard , można graficznie przedstawić osadzenia o dużych wymiarach. Może to być pomocne w wizualizacji, badaniu i zrozumieniu osadzanych warstw.

Zrzut ekranu projektora osadzającego

W tym samouczku dowiesz się, jak wizualizować ten typ wytrenowanej warstwy.

Ustawiać

W tym samouczku będziemy używać TensorBoard do wizualizacji warstwy osadzania wygenerowanej do klasyfikowania danych recenzji filmów.

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

%load_ext tensorboard
 
 import os
import tensorflow as tf
import tensorflow_datasets as tfds
from tensorboard.plugins import projector

 

Dane IMDB

Będziemy korzystać ze zbioru danych 25 000 recenzji filmów z IMDB, oznaczonych według sentymentu (pozytywny / negatywny). Recenzje zostały wstępnie przetworzone, a każda recenzja jest kodowana jako sekwencja indeksów słów (liczb całkowitych). Dla wygody słowa są indeksowane według ogólnej częstotliwości w zbiorze danych, tak że na przykład liczba całkowita „3” koduje trzecie najczęściej występujące słowo w danych. Pozwala to na szybkie operacje filtrowania, takie jak: „uwzględnij tylko 10 000 najpopularniejszych słów, ale wyeliminuj 20 najpopularniejszych słów”.

Zgodnie z konwencją „0” nie oznacza konkretnego słowa, ale zamiast tego jest używane do kodowania dowolnego nieznanego słowa. W dalszej części samouczka usuniemy ten wiersz z wizualizacji.

 (train_data, test_data), info = tfds.load(
    "imdb_reviews/subwords8k",
    split=(tfds.Split.TRAIN, tfds.Split.TEST),
    with_info=True,
    as_supervised=True,
)
encoder = info.features["text"].encoder

# shuffle and pad the data.
train_batches = train_data.shuffle(1000).padded_batch(
    10, padded_shapes=((None,), ())
)
test_batches = test_data.shuffle(1000).padded_batch(
    10, padded_shapes=((None,), ())
)
train_batch, train_labels = next(iter(train_batches))

 

Warstwa osadzająca Keras

Warstwa osadzania Keras może być używana do trenowania osadzania każdego słowa w Twoim słownictwie. Każde słowo (lub słowo podrzędne w tym przypadku) będzie powiązane z 16-wymiarowym wektorem (lub osadzeniem), który będzie trenowany przez model.

Zobacz ten samouczek, aby dowiedzieć się więcej o osadzaniu słów.

 # Create an embedding layer
embedding_dim = 16
embedding = tf.keras.layers.Embedding(encoder.vocab_size, embedding_dim)
# Train this embedding as part of a keras model
model = tf.keras.Sequential(
    [
        embedding, # The embedding layer should be the first layer in a model.
        tf.keras.layers.GlobalAveragePooling1D(),
        tf.keras.layers.Dense(16, activation="relu"),
        tf.keras.layers.Dense(1),
    ]
)

# Compile model
model.compile(
    optimizer="adam",
    loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
    metrics=["accuracy"],
)

# Train model
history = model.fit(
    train_batches, epochs=1, validation_data=test_batches, validation_steps=20
)
 
2500/2500 [==============================] - 13s 5ms/step - loss: 0.5330 - accuracy: 0.6769 - val_loss: 0.4043 - val_accuracy: 0.7800

Zapisywanie danych dla TensorBoard

TensorBoard odczytuje tensory i metadane z projektów tensorflow z dzienników w określonym katalogu log_dir . W tym samouczku będziemy używać /logs/imdb-example/ .

Aby zwizualizować te dane, zapiszemy punkt kontrolny w tym katalogu wraz z metadanymi, aby zrozumieć, którą warstwę wizualizować.

 # Set up a logs directory, so Tensorboard knows where to look for files
log_dir='/logs/imdb-example/'
if not os.path.exists(log_dir):
    os.makedirs(log_dir)

# Save Labels separately on a line-by-line manner.
with open(os.path.join(log_dir, 'metadata.tsv'), "w") as f:
  for subwords in encoder.subwords:
    f.write("{}\n".format(subwords))
  # Fill in the rest of the labels with "unknown"
  for unknown in range(1, encoder.vocab_size - len(encoder.subwords)):
    f.write("unknown #{}\n".format(unknown))


# Save the weights we want to analyse as a variable. Note that the first
# value represents any unknown word, which is not in the metadata, so
# we will remove that value.
weights = tf.Variable(model.layers[0].get_weights()[0][1:])
# Create a checkpoint from embedding, the filename and key are
# name of the tensor.
checkpoint = tf.train.Checkpoint(embedding=weights)
checkpoint.save(os.path.join(log_dir, "embedding.ckpt"))

# Set up config
config = projector.ProjectorConfig()
embedding = config.embeddings.add()
# The name of the tensor will be suffixed by `/.ATTRIBUTES/VARIABLE_VALUE`
embedding.tensor_name = "embedding/.ATTRIBUTES/VARIABLE_VALUE"
embedding.metadata_path = 'metadata.tsv'
projector.visualize_embeddings(log_dir, config)
 
 %tensorboard --logdir /logs/imdb-example/
 

Analiza

Projektor TensorBoard to doskonałe narzędzie do analizowania danych i oglądania wartości osadzonych względem siebie. Pulpit nawigacyjny umożliwia wyszukiwanie określonych terminów i wyróżnia słowa, które znajdują się w pobliżu miejsca osadzania. Na tym przykładzie widzimy, że Wes Anderson i Alfred Hitchcock są raczej neutralnymi terminami, ale odwołuje się do nich w różnych kontekstach.

Hitchcock jest bliżej kojarzony ze słowami takimi jak nightmare , co prawdopodobnie odnosi się do jego pracy w horrorach. Podczas gdy Anderson jest bliżej słowa heart , odzwierciedlając jego serdeczny styl.