TensorFlow-7-TensorBoard Embedding可视化

最新推荐文章于 2025-06-19 09:24:47 发布

原创

最新推荐文章于 2025-06-19 09:24:47 发布 · 1.8w 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#自然语言处理 #tensorflow

本文介绍了如何使用 TensorBoard 的 Embedding Projector 对高维数据进行可视化，特别是针对自然语言处理的 embeddings。通过设置 embedding tensor、保存模型变量、关联元数据等步骤，展示了在 MNIST 数据集上的应用实例，帮助理解如何利用 PCA 和 T-SNE 方法投影数据，并解决可能遇到的错误问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习资料
https://www.tensorflow.org/get_started/summaries_and_tensorboard

今天来看 TensorBoard 的一个内置的可视化工具 Embedding Projector, 是个交互式的可视化，可用来分析诸如 embeddings 的高维数据。
embedding projector 将从你的 checkpoint 文件中读取 embeddings。
默认情况下，embedding projector 会用 PCA 主成分分析方法将高维数据投影到 3D 空间, 还有一种投影方法是 T-SNE。

主要就是通过3步来实现这个可视化:

1) Setup a 2D tensor that holds your embedding(s).

embedding_var = tf.Variable(....)

2) Periodically save your model variables in a checkpoint in LOG_DIR.

saver = tf.train.Saver()
saver.save(session, os.path.join(LOG_DIR, "model.ckpt"), step)

3) (Optional) Associate metadata with your embedding.

本节官方教程没有给出完整的例子，这里用 MNIST 举一个简单的例子。

1. 引入 projector，data，定义 path：

%matplotlib inline
import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
import os

from tensorflow.contrib.tensorboard.plugins import projector
from tensorflow.examples.tutorials.mnist import input_data

LOG_DIR = 'minimalsample'
NAME_TO_VISUALISE_V