TensorFlow机器学习

第3章　TensorFlow工具箱

有些机器学习平台面向的是学术或工业领域的科学家和从业者。因此，它们虽然相当强大，但通常是有瑕疵的，并且几乎没有什么用户体验。

在不同阶段观察模型，以及通过模型分析和运行查看并聚合性能，需要花费相当多的精力。即使是查看神经网络也要付出比预期更多的精力。

当神经网络比较简单且深度只有几层时我们还可以勉强接受，但现在的网络要复杂得多。在2015年，微软使用一个深度为152层的网络赢得了每年一度的ImageNet大赛。可视化这样的网络可能会非常困难，而查看权重和偏差的困难更为巨大。

从业者开始使用自制的可视化工具和引导工具来分析网络和运行性能。TensorFlow在发布整体平台时直接发布了TensorBoard，从而改变了这一状况。TensorBoard无须任何额外的安装和设置即可运行。

用户只需根据他们想要捕捉的内容来编写代码。TensorBoard的特性包括绘制随时间变化的事件、学习率和损失值，权重和偏差的直方图以及图像。图形浏览器（graph explorer）允许对神经网络进行交互式检查。

本章将关注以下几个方面。

• 以4种常见的模型和数据集为例，我们将介绍使用TensorBoard所用的指令，并突出显示需要更改的内容。
• 然后，回顾捕获的数据，并解析它的方式。
• 最后，回顾图形浏览器所显示的普通图形。这将有助于将常见的神经网络设置可视化，这一点会在后续章节中介绍，这也是对常见网络的可视化介绍。

3.1　快速预览TensorBoard

即使没有安装TensorFlow，你也可以使用TensorBoard的参考实现。

先下载CIFAR-10数据集。CIFAR-10数据集由Alex Krizhevsky、Vinod Nair和Geoffrey Hinton编译，包含10种类别的60 ...