Эта страница переведена с помощью Cloud Translation API.
Switch to English

Визуализация данных с помощью встроенного проектора в TensorBoard

Посмотреть на TensorFlow.org Запускаем в Google Colab Посмотреть исходный код на GitHub

Обзор

Используя TensorBoard Embedding Projector , вы можете графически представлять вложения большого размера. Это может быть полезно для визуализации, изучения и понимания ваших встраиваемых слоев.

Скриншот встраиваемого проектора

В этом руководстве вы узнаете, как визуализировать обученный слой этого типа.

Настроить

В этом руководстве мы будем использовать TensorBoard для визуализации слоя внедрения, созданного для классификации данных обзора фильмов.

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

Данные IMDB

Мы будем использовать набор данных из 25000 обзоров фильмов от IMDB, сгруппированных по настроениям (положительным / отрицательным). Обзоры были предварительно обработаны, и каждый обзор закодирован как последовательность индексов слов (целых чисел). Для удобства слова индексируются по общей частоте в наборе данных, так что, например, целое число «3» кодирует третье по частоте слово в данных. Это позволяет выполнять такие операции быстрой фильтрации, как: «рассматривать только 10 000 наиболее употребительных слов, но исключать 20 наиболее употребительных слов».

По соглашению «0» не обозначает конкретное слово, а вместо этого используется для кодирования любого неизвестного слова. Позже в этом уроке мы удалим эту строку из визуализации.

(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))

Слой встраивания Keras

Слой вложения Keras можно использовать для обучения встраиванию каждого слова в вашем словарном запасе. Каждое слово (или подслово в данном случае) будет связано с 16-мерным вектором (или вложением), который будет обучен моделью.

См. Этот учебник, чтобы узнать больше о встраивании слов.

# 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

Сохранение данных для TensorBoard

TensorBoard считывает тензоры и метаданные из ваших проектов tenorflow из журналов в указанном log_dir . В этом руководстве мы будем использовать /logs/imdb-example/ .

Чтобы визуализировать эти данные, мы сохраним контрольную точку в этом каталоге вместе с метаданными, чтобы понять, какой слой визуализировать.

# 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/

Анализ

Проектор TensorBoard - отличный инструмент для анализа ваших данных и просмотра значений встраивания относительно друг друга. Панель инструментов позволяет искать определенные термины и выделяет слова, которые находятся рядом в области встраивания. Из этого примера мы видим, что Уэс Андерсон и Альфред Хичкок - довольно нейтральные термины, но на них ссылаются в разных контекстах.

Хичкока больше ассоциируется со словом " nightmare , которое, вероятно, связано с его работой в фильмах ужасов. А Андерсон ближе к слову « heart , что отражает его душевный стиль.