TensorFlow新功能：可在TensorBoard中增加自定义可视化插件

TensorFlow新功能：可在TensorBoard中增加自定义可视化插件，谷歌大脑团队日前发布新的 TensorFlow API 接口，能让开发者将自定义的可视化插件加入 TensorBoard，相较以前更具灵活性。

最新消息编译整理如下：

我们在 2015 年开源 TensorFlow 时就包括 TensorBoard 了，它是一套用于检查和理解 TensorFlow 模型和进程的可视化工具。Tensorboard 包含一小套预决定的通用可视化工具，几乎适用于所有深度学习应用，例如观察损失随时间的变化，探索高维空间集群。

然而，在缺乏可重用 API 的情况下，不属于 TensorFlow 团队的人几乎不可能在 TensorBoard 中增加新的可视化工具，这使得我们错过了研究社群中很多潜在的极具创造力、美观性和有用的可视化工具。

现在，我们发布了一组一致的 API 接口，通过这组接口，开发者能增加自定义可视化插件到 TensorBoard 中，大家可以将自己开发的新的、有用的可视化工具加进来。我们希望开发人员能用这个 API 来扩展 TensorBoard，让它覆盖更广泛的用例。

我们已经更新了 TensorBoard 中的现有 dashboard，它们可以作为样例，大家可以使用新的 API 接口加入插件。现在可以直接在 GitHub 的 tensorboard/plugins 目录下看到 TensorBoard 包含的插件，大家可以观察下生成 precision-recall 曲线的新插件，如下图:

这个插件展示了标准 TensorBoard 插件的三部分:

用于为之后的可视化进行数据收集的 TensorFlow summary op。

提供自定义数据的 Python 后端。

用 TypeScript 和 polymer 建造的 TensorBoard dashboard。

另外，与其他插件一样，“pr_curves”插件提供了一个 demo，用户可以查看这个 demo，学习如何使用这个插件，插件作者也可以利用这个 demo 在开发过程中生成示例数据。

为了进一步说明插件是如何工作的，我们还创建了一个简单的 TensorBoard Greeter 插件，在模型运行期间，这个插件收集问候语(“你好”后面有些简单的字符串)并将他们显示出来。

我们建议大家先从 Greeter 插件和其他已有的插件开始探索。

Beholder 是 Chris Anderson 在读研期间开发的，是利用 TensorBoard API 的一个著名示例，Beholder 在训练模型期间能将数据实时用视频显示，大家可以看下面的动图。

我们期待看到研究社群接下来的创新成果。如果你计划在 TensorBoard 库中新增插件，希望你先通过 issue tracker 与我们联系，表达你的想法，我们或许可以帮助和引导你。