使用tensorboard嵌入可视化工具
tbev的Python项目详细描述
Tensorboard嵌入可视化工具
顾名思义，这个工具是用来可视化高维嵌入到三维空间使用张量板投影仪工具。它执行主成分分析，还可以选择t-sne进行降维。您所要做的就是以pickle格式将数据及其相应的标签和可选的图像（路径）嵌入为字典。这本词典的结构解释如下。
开始
要求
- Python3
- 张力流>；1.4
安装
使用pip和以下命令安装此工具。pip install tbev
使用--upgrade标志升级到最新版本
这将作为命令行工具安装，您只需在命令行中运行tbev即可开始。
用法
Usage:
tbev demo
tbev <pickle_file> [--logdir=<path>]
Options:
-h --h Show help screen
--logdir=<path> Location to store log files [default: ./logs/]
tbev<；pickle_file>；[--logdir=<；路径>；] 您需要以pickle文件的形式传递嵌入。pickle文件应包含以下格式的字典。
{
"embedding":2D matrix of shape [m embeddings, n dimensions],
"labels":{
"label1": List of shape (m,), A label for each embedding,
"label2": List of shape (m,), A label for each embedding,
You can put as many labels as you want.
},
"sprite_paths":(Optional) List of shape (m,), A path to image to be shown in tensorboard.
}
将此词典保存到pickle文件中，并使用命令tbev <pickle_file> [--logdir=<path>]
默认情况下，这将创建一个./logs文件夹，用于存储检查点文件。您可以选择使用--logdir选项指定自己的名称来存储日志。如果一切顺利的话。它将为您启动tensorboard服务器。
张力板
启动tensorboard之后，它将显示查看tensorboard的本地url。默认情况下是localhost:6006。
欢迎加入QQ群-->： 979659372
