pip install tensorboard

• সংক্ষিপ্তসার ও সংক্ষিপ্ত লেখক
• ব্যাপ্তি or

• Summary & Summary Writer
• Scope

• Summary & Summary Writer

আসুন বলি যে আমাদের একটি নেটওয়ার্ক রয়েছে এবং এটির কিছু ডেটা সম্পর্কিত প্রশিক্ষণ রয়েছে এবং আমরা দেখতে চাই যে error টি কীভাবে হ্রাস পাচ্ছে তা আদৌ হ্রাস পাচ্ছে ?. অবশ্যই আমরা এগুলি টার্মিনালে print করতে পারি, তবে এটি ব্যাখ্যা করা কঠিন হবে। আমরা আচরণটি দেখতে সক্ষম হবো না। যেখানে এটি গ্রাফিকাল বিন্যাসে উপস্থাপিত হয়।

অথবা বলুন যে আমরা কীভাবে একটি particular layer ওজন distributed করা হয় তা দেখতে চাই। আমরা যদি 200 × 300 ম্যাট্রিক্স বলি প্রিন্ট করি তবে আমরা কিছু বুঝতে সক্ষম হবো না। এটি প্রিন্ট করা থাকলে এটি স্ক্রিনের চারদিকে থাকবে। তবে আমরা খুব সহজেই টেনসরবোর্ডে একটি স্তরের ওজনের হিস্টোগ্রামটি সুন্দরভাবে প্রদর্শিত দেখতে পাই।

inputs=tf.placeholder('float',[None,2],name='Input')
targets=tf.placeholder('float',name='Target')

Histogram Summary For Weights

weight1=tf.Variable(tf.random_normal(shape=[2,3],stddev=0.02),name="Weight1")
biases1=tf.Variable(tf.random_normal(shape=[3],stddev=0.02),name="Biases1")
tf.summary.histogram("weight_1",weight1)

hLayer=tf.matmul(inputs,weight1)
hLayer=hLayer+biases1
hLayer=tf.sigmoid(hLayer, name='hActivation')

weight2=tf.Variable(tf.random_normal(shape=[3,1],stddev=0.02),name="Weight2")
biases2=tf.Variable(tf.random_normal(shape=[1],stddev=0.02),name="Biases2")
tf.summary.histogram("weight_2",weight2)

output=tf.matmul(hLayer,weight2)
output=output+biases2
output=tf.sigmoid(output, name='outActivation')

cost=tf.squared_difference(targets ,output)
cost=tf.reduce_mean(cost)
tf.summary.scalar("cost", cost)

optimizer=tf.train.AdamOptimizer().minimize(cost)

#generating inputs
import numpy as np

inp=[[0,0],[0,1],[1,0],[1,1]]
out=[[0],[1],[1],[0]]

inp=np.array(inp)
out=np.array(out)

epochs=10 # number of time we want to repeat
import datetime
with tf.Session() as sess:
    summaryMerged = tf.summary.merge_all()
    filename="./summary_log/run"+datetime.datetime.now().strftime("%Y-%m-%d--%H-%M-%s")
    writer = tf.summary.FileWriter(filename, sess.graph)
    tf.global_variables_initializer().run()
    for i in range(epochs):
        error,_,sumOut =sess.run([cost,optimizer,summaryMerged],feed_dict={inputs: inp,targets:out})
        # print(i,error) # we dont need this anymore

        writer.add_summary(sumOut,i)

tensorboard --logdir=./summary_log/

Histograms

Runs

 

Graphs

What is Scopes

with tf.name_scope("Input") as scope:
    inputs=tf.placeholder('float',[None,2],name='Input')

with tf.name_scope("Target") as scope:
    targets=tf.placeholder('float',name='Target')

Lets do the same thing with the rest of the code

with tf.name_scope("Hidden_Layer") as scope:
    weight1=tf.Variable(tf.random_normal(shape=[2,3],stddev=0.02),name="Weight1")
    biases1=tf.Variable(tf.random_normal(shape=[3],stddev=0.02),name="Biases1")
    tf.summary.histogram("weight_1",weight1)

    hLayer=tf.matmul(inputs,weight1)
    hLayer=hLayer+biases1
    hLayer=tf.sigmoid(hLayer, name='hActivation')

with tf.name_scope("Output_Layer") as scope:
    weight2=tf.Variable(tf.random_normal(shape=[3,1],stddev=0.02),name="Weight2")
    biases2=tf.Variable(tf.random_normal(shape=[1],stddev=0.02),name="Biases2")
    tf.summary.histogram("weight_2",weight2)

    output=tf.matmul(hLayer,weight2)
    output=output+biases2
    output=tf.sigmoid(output, name='outActivation')

with tf.name_scope("Optimization_Block") as scope:
    cost=tf.squared_difference(targets ,output)
    cost=tf.reduce_mean(cost)
    tf.summary.scalar("cost", cost)

    optimizer=tf.train.AdamOptimizer().minimize(cost)

Thank you for reading this Tensorboard Tutorial