代码之家 › 专栏 › 技术社区 › I. A Ziang Yan

用Tensorflow可视化多重嵌入

embedding visualization tensorflow

I. A Ziang Yan · 技术社区 · 7 年前

我想基于多个张量变量可视化我的数据,即基于不同的嵌入变量。换句话说,我需要做的是:

我需要将100维向量(图像特征/嵌入)存储到5个不同的变量中。然后我需要基于5个不同的变量可视化我的数据。也就是说,我需要基于前20个特征可视化我的数据,然后基于后20个特征等等。。。

https://www.tensorflow.org/get_started/embedding_viz ,他们说我们可以添加多个嵌入。这就是我要找的。

如何在tensorflow中执行此操作?

2 回复 | 直到 7 年前

I. A Ziang Yan 7 年前

所以它不起作用的原因是因为我试图将100维嵌入分解成100个不同的变量。但这并不奏效。所以当我将嵌入划分为5个不同的部分,也就是说,将它们划分为5个不同的变量时,它就成功了。以下是我的代码:

import numpy as np
import tensorflow as tf
from tensorflow.contrib.tensorboard.plugins import projector

LOG_DIR = \
    'C:/Users/user/PycharmProjects/VariationalAutoEncoder/' \
    'Tensorflow-DeconvNet-Segmentation/Embeddings/features_images.ckpt'

feature_vectors = np.loadtxt('features.txt')
feature_vectors = feature_vectors[:5329]

print("feature_vectors_shape:",feature_vectors.shape)

sub_features = []
for i in range(20):
    features = tf.Variable(feature_vectors[:, 5 * i: 5 * (i + 1)], name=('features' + str(i)))
    sub_features.append(features)

with tf.Session() as sess:

    saver = tf.train.Saver()
    sess.run(tf.global_variables_initializer())
    saver.save(sess, LOG_DIR)

    config = projector.ProjectorConfig()
    for i in range(20):
        embedding = config.embeddings.add()
        embedding.tensor_name = sub_features[i].name

        embedding.sprite.image_path = \
            'C:/Users/user/PycharmProjects/VariationalAutoEncoder/Tensorflow-DeconvNet-Segmentation/master.jpg'
        embedding.sprite.single_image_dim.extend([112, 112])

    # Saves a config file that TensorBoard will read during startup.
    projector.visualize_embeddings(tf.summary.FileWriter(LOG_DIR), config)

Daniel Vela 2 年前

下面是一个应该运行的示例,显示了两种不同的嵌入。请注意,您需要转到“投影仪”选项卡。有时它不会自动打开。

log_dir='./logs'
embeddings=np.random.randint(1,100,(400,6))
labels=[1,2,3,4]*100


with open(f'{log_dir}/metadata.tsv', "w") as file: 
    for label in labels:
        file.write(f'{label}\n')

with open(f'{log_dir}/metadata2.tsv', "w") as file: 
    for label in labels:
        file.write(f'{label}\n')




os.makedirs(log_dir,exist_ok=True)


embeddings1=tf.Variable(embeddings,name='var1')
embeddings2=tf.Variable(embeddings,name='var2')

checkpoint=tf.train.Checkpoint(var1=embeddings1,var2=embeddings2)
checkpoint.save(log_dir+'/var.ckpt')




config=projector.ProjectorConfig()
emb1=config.embeddings.add()
emb1.tensor_name='var1'+'/.ATTRIBUTES/VARIABLE_VALUE'
emb1.metadata_path='metadata.tsv'

emb2=config.embeddings.add()
emb2.tensor_name='var2'+'/.ATTRIBUTES/VARIABLE_VALUE'
emb2.metadata_path='metadata2.tsv'

projector.visualize_embeddings(log_dir, config)

%load_ext tensorboard
%tensorboard --logdir ./logs/