Continuando con los artículos sobre TensorFlow, en este caso se mostrará como se visualiza el objeto Graph por medio de TensorBoard.
Los artículos de la serie de TensorFlow los pueden revisar a continuación:
Se vuelve a ejecutar tensorboard, pero en este caso abriendo el directorio output2:
tensorboard --logdir=./output2/
![]()
![]()
Los artículos de la serie de TensorFlow los pueden revisar a continuación:
- Hola mundo desde Tensorflow
- Matemáticas básicas con Tensorflow
- Manejo de matrices con Tensorflow
- Variables y placeholders en Tensorflow
- Objeto Graph de Tensorflow
Este artículo se basa en el tutorial en inglés Visualization y la documentación de la página de TensorFlow.
Se va a tener dos formas de realizar el mismo ejercicio, el primero simplemente identificando las operaciones en el Objeto Graph, suma, multiplicación y división, luego se guarda el log de la sesión y se visualizará.
En el siguiente ejercicio, se harán las mismas operaciones, pero ahora se identifica los Objetos Graph con scopes, esto permitirá visualizar mejor dichos objetos y sus operaciones.
A continuación el primer ejercicio:
In [1]:
#Se importa Tensorflow
importtensorflowastf
In [2]:
#Se suma 1+2
a=tf.add(1,2,name="Suma_estos_numeros")
In [3]:
#Se multiplica el valor de la suma anterior por 3
b=tf.multiply(a,3)
In [4]:
#se suma 4+5
c=tf.add(4,5,name="Suma_estos")
In [5]:
#Se multiplica el resultado de la suma anterior por 6
d=tf.multiply(c,6,name="Multiplica_estos_numeros")
In [6]:
#Se multiplica 4*5
e=tf.multiply(4,5,name="B_suma")
In [7]:
#Se divide el resultado de la suma de 4+5 entre 6
f=tf.div(c,6,name="B_mul")
In [8]:
#Se suma la multiplicación de a*3 más la multiplicación de c*6
g=tf.add(b,d)
In [9]:
#Se multiplica el resultado de la suma de b+d con el resultado de la división de c/6
h=tf.multiply(g,f)
In [10]:
#Se crea la sesión y se corre el resultado del objeto h y se salva en el directorio output.
withtf.Session()assess:
writer=tf.summary.FileWriter("output",sess.graph)
print(sess.run(h))
writer.close()
In [ ]:
Ahora se ejecutará tensorboard, pasandole el directorio output donde se guardó el log de la sesión con sus operaciones.
tensorboard --logdir=./output/
El comando iniciará una sesión web de la aplicación tensorboard como lo muestra la siguiente figura:
![]()
Al abrir el navegador en localhost:6006 se tiene lo que muestra la siguiente figura:
![]()
Allí se visualiza las operaciones realizadas en la sesión y en el objeto Graph.
Pero, se puede agrupar los objetos Graph, y las operaciones para facilitar la visualización de los Objetos y sus operaciones.
A continuación la rescritura del mismo ejercicio:
tensorboard --logdir=./output/
El comando iniciará una sesión web de la aplicación tensorboard como lo muestra la siguiente figura:
Al abrir el navegador en localhost:6006 se tiene lo que muestra la siguiente figura:
Allí se visualiza las operaciones realizadas en la sesión y en el objeto Graph.
Pero, se puede agrupar los objetos Graph, y las operaciones para facilitar la visualización de los Objetos y sus operaciones.
A continuación la rescritura del mismo ejercicio:
In [1]:
importtensorflowastf
In [2]:
#Se define el nombre del objeto graph y los scopes A,B y C.
withtf.name_scope("GrupoOperacion"):
withtf.name_scope("Scope_A"):
a=tf.add(1,2,name="Suma_estos_numeros")
b=tf.multiply(a,3)
withtf.name_scope("Scope_B"):
c=tf.add(4,5,name="Y_estos")
d=tf.multiply(c,6,name="Multiplica_estos_numeros")
withtf.name_scope("Scope_C"):
e=tf.multiply(4,5,name="B_suma")
f=tf.div(c,6,name="B_mult")
g=tf.add(b,d)
h=tf.multiply(g,f)
In [3]:
#Se crea la sesión y se corre el resultado del objeto h
withtf.Session()assess:
writer=tf.summary.FileWriter("output2",sess.graph)
print(sess.run(h))
writer.close()
Se vuelve a ejecutar tensorboard, pero en este caso abriendo el directorio output2:
tensorboard --logdir=./output2/
En la siguiente imagen se muestra los distintos Graph y cada operación que manejan cada uno.
De esta manera se tiene una mejor visualización de cada Objeto Graph y sus operaciones.