生成*简单* TensorFlow 图说明答案

【问题标题】：Generating a *simple* TensorFlow graph illustration生成*简单* TensorFlow 图说明
【发布时间】：2018-01-27 17:16:24
【问题描述】：

我正在 Jupyter 笔记本中使用 TensorFlow 开发我的第一个深度学习模型，我想生成简化的图表来说明网络的各个层.具体来说，如this answer 中所示的图表：

这是非常简单和干净的，我可以理解发生了什么。这比捕获 100% 的细节更重要。对比 TensorBoard 生成的图表，这是一个完整的 fustercluck：

如何获取tf.Graph 对象并自动生成与上述类似的图形？如果它也可以在 Jupyter Notebook 中显示，则可以加分。

【问题讨论】：

标签： tensorflow deep-learning visualization jupyter-notebook tensorboard

【解决方案1】：

简而言之 - 你不能。 TF 是一个低级库，它没有“高级操作”的概念，它有操作，这是它唯一可以以您正在考虑的方式可视化的东西。特别是，从数学的角度来看，您的图表中没有“神经元”，只有张量相互相乘，这种额外的“语义”只是为了让人类更容易谈论这个，但实际上并不是编码在您的图表中。

您可以通过为图表的各个部分指定 variable_scope 来自己对节点进行分组，然后在 TB 中显示后，它们将显示为单个节点.它不会为您提供这种“类似每个神经元”的可视化风格，但至少它会隐藏许多细节。创建一个漂亮的、视觉上吸引人的神经网络可视化本身就是一门“艺术”，而且通常是一项艰巨的任务。

【讨论】：

【解决方案2】：

这是我们在 PipelineAI 笔记本中使用的一段代码，用于在 Jupyter 笔记本中内联显示 TensorFlow 图：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import re
from google.protobuf import text_format
from tensorflow.core.framework import graph_pb2

def convert_graph_to_dot(input_graph, output_dot, is_input_graph_binary):
    graph = graph_pb2.GraphDef()
    with open(input_graph, "rb") as fh:
        if is_input_graph_binary:
            graph.ParseFromString(fh.read())
        else:
            text_format.Merge(fh.read(), graph)
    with open(output_dot, "wt") as fh:
        print("digraph graphname {", file=fh)
        for node in graph.node:
            output_name = node.name
            print("  \"" + output_name + "\" [label=\"" + node.op + "\"];", file=fh)
            for input_full_name in node.input:
                parts = input_full_name.split(":")
                input_name = re.sub(r"^\^", "", parts[0])
                print("  \"" + input_name + "\" -> \"" + output_name + "\";", file=fh)
        print("}", file=fh)
        print("Created dot file '%s' for graph '%s'." % (output_dot, input_graph))

input_graph='/root/models/optimize_me/linear/cpu/unoptimized_cpu.pb'
output_dot='/root/notebooks/unoptimized_cpu.dot'
convert_graph_to_dot(input_graph=input_graph, output_dot=output_dot, is_input_graph_binary=True)

使用 graphviz，您可以在笔记本单元格中使用 %%bash 魔法将 .dot 转换为 .png：

%%bash

dot -T png /root/notebooks/unoptimized_cpu.dot \
    -o /root/notebooks/unoptimized_cpu.png > /tmp/a.out

最后，在笔记本中显示图表：

from IPython.display import Image

Image('/root/notebooks/unoptimized_cpu.png', width=1024, height=768)

这是一个在 TensorFlow 中实现的简单线性回归模型的示例：

这是用于在生产中部署和服务 TensorFlow 模型的优化版本（也使用上述代码 sn-ps 渲染）：

更多此类优化的示例和详细信息，请访问http://pipeline.ai

【讨论】：