如何使用全新的 TensorBoard API ？

发布人：Google Brain 团队软件工程师 Chi Zeng 和 Justine Tunney

当我们在 2015 年将 TensorFlow 开源时，它就包括 TensorBoard 了，这是一套用于检查和了解您的 TensorFlow 模型和运行的可视化工具。Tensorboard 包含少量预先确定的通用型可视化工具，这些工具适用于几乎所有深度学习应用，例如观察损耗随着时间的变化或探索高维度空间中的集群。不过，在没有可重用 API 的情况下，向 TensorBoard 添加新的可视化插件对 TensorFlow 团队之外的任何人来说都非常困难，这就让我们错过了研究社区中很多具有创造力、美观且实用的可视化工具。

为了帮助社区构建崭新且有用的可视化插件，我们宣布发布一套一致的 API，让开发者可以向 TensorBoard 添加自定义可视化插件。我们希望开发者使用此 API 扩展 TensorBoard，并确保它能覆盖更广泛的用例。


我们更新了 TensorBoard 中的现有信息中心（标签）来帮助大家使用新的 API，插件作者可以将它们用作示例。如需了解 TensorBoard 中包含的当前插件列表，您可以浏览 GitHub 上的 tensorboard/plugins 目录。例如，观察可以生成 准确率-召回率曲线的新插件：
插件展示了标准 TensorBoard 插件的 3 个部分：

• 一个用于为之后的可视化工具收集数据的 TensorFlow 汇总操作。[GitHub]
• 一个提供自定义数据的 Python 后端。[GitHub]
• TensorBoard 中一个使用 TypeScript 和 Polymer 构建的信息中心。[GitHub]

此外，像其他插件一样，“pr_curves”插件也提供了一个演示，(1) 用户可以仔细查看此演示来学习如何使用插件，(2) 插件作者在开发期间可以使用此演示生成示例数据。为了进一步说明插件的工作方式，我们还构建了一个准 TensorBoard“Greeter”插件。这个简单的插件可以在模型运行期间采集问候语（以“Hello,”开头的简单字符串）并显示它们。我们建议大家先从探索（或观摩）Greeter 插件和其他现有插件开始。

一个可以说明贡献者已经开始使用 TensorBoard API 的著名例子是 Beholder,，这个插件最近由 Chris Anderson 在攻读他的硕士学位期间构建。Beholder 将实时视频数据流（例如渐变和卷积滤波器）显示为模型训练。您可以在这里观看演示视频。
我们期待看到社区的创新成果。如果您计划向 TensorBoard 的代码库贡献插件，应当先通过 Issue Tracker 与我们联系并告诉我们您的想法，以便我们可以为您提供帮助和指导。

致谢
Dandelion Mané 和 William Chargin 在构建此 API 的过程中发挥了重要作用。