雷鋒網(公衆號：雷鋒網) AI科技評論消息，谷歌大腦團隊日前發佈新的TensorFlow API接口，能讓開發者將自定義的可視化插件加入TensorBoard，相較以前更具靈活性。
雷鋒網 AI科技評論將最新消息編譯整理如下：
我們在2015年開源TensorFlow時就包括TensorBoard了，它是一套用於檢查和理解TensorFlow模型和進程的可視化工具。Tensorboard包含一小套預決定的通用可視化工具，幾乎適用於所有深度學習應用，例如觀察損失隨時間的變化，探索高維空間集羣。
然而，在缺乏可重用API的情況下，不屬於TensorFlow團隊的人幾乎不可能在TensorBoard中增加新的可視化工具，這使得我們錯過了研究社羣中很多潛在的極具創造力、美觀性和有用的可視化工具。
現在，我們發佈了一組一致的API接口，通過這組接口，開發者能增加自定義可視化插件到TensorBoard中，大家可以將自己開發的新的、有用的可視化工具加進來。我們希望開發人員能用這個API來擴展TensorBoard，讓它覆蓋更廣泛的用例。
我們已經更新了TensorBoard中的現有dashboard，它們可以作爲樣例，大家可以使用新的API接口加入插件。現在可以直接在GitHub的tensorboard/plugins目錄下看到TensorBoard包含的插件，大家可以觀察下生成precision-recall曲線的新插件，如下圖:
這個插件展示了標準TensorBoard插件的三部分:
用於爲之後的可視化進行數據收集的TensorFlow summary op。
提供自定義數據的Python後端。
用TypeScript和polymer建造的TensorBoard dashboard。
另外，與其他插件一樣，「pr_curves」插件提供了一個demo，用戶可以查看這個demo，學習如何使用這個插件，插件作者也可以利用這個demo在開發過程中生成示例數據。
爲了進一步說明插件是如何工作的，我們還創建了一個簡單的TensorBoard Greeter插件，在模型運行期間，這個插件收集問候語(「你好」後面有些簡單的字符串)並將他們顯示出來。
我們建議大家先從Greeter插件和其他已有的插件開始探索。
Beholder是Chris Anderson在讀研期間開發的，是利用TensorBoard API的一個著名示例，Beholder在訓練模型期間能將數據實時用視頻顯示，大家可以看下面的動圖。
我們期待看到研究社羣接下來的創新成果。如果你計劃在TensorBoard庫中新增插件，希望你先通過issue tracker與我們聯繫，表達你的想法，我們或許可以幫助和引導你。
雷鋒網 AI科技評論編譯。
via：https://research.googleblog.com/