SOLEIL DATA DOJO主催のTensorflow研究会#6でおこなった，TensorBoardハンズオンの資料です。ネットワーク構造や折れ線プロットを具体的にどういったコードを記述すれば描画できるかを中心に説明しています。 当日のイベント案内ページ: https://365e5afb367e0244f53d0d3c8f.doorkeeper.jp/events/47489

1. TensorFlow (2016-07-17)
:

3. TensorBoard
„ TensorFlow we
Web
„ T w e
2016-07-17
4

4. n T
„ Accuracy
52016-07-17

5. n T
„
6
max
min
7%
16%
31%
69%
84%
93%
median
2016-07-17

6. n T
„
72016-07-17

7. n T
„ ( , )
82016-07-17

8. n T
„
92016-07-17

9. n T
„ (0.9 )
102016-07-17

10. nT f
Ø w
Ø
a f
112016-07-17

11. 12

12. „ (MNIST)
(MLP)T
a f
„ s → goo.gl/Q85fRf
„ T
B
w wT
2016-07-17
13

13. w
d w
a f
142016-07-17

14. w
15
$ tensorboard --logdir=`pwd`/data/mnist
w(*.ipynb) w T
s
GRAPH w w
2016-07-17

15. w
„ …
162016-07-17

16. w e
„ w e
1. ß d
2.
3.
172016-07-17

17. w e
„ 1.
182016-07-17

18. w e
192016-07-17

19. w e
20
w w
2016-07-17

20. w e
21
n e
2016-07-17

21. w e
22
l T
2016-07-17

22. w e
„ 3.
232016-07-17

23. w e
242016-07-17

24. w e
252016-07-17

25. „ a
26
tf.scalar_summary()T
add_summary() T” ”
scalar_summary
/ T T
add_summary
2016-07-17

26. 272016-07-17

27. e
„ d T
28
tf.scalar_summary()T
add_summary d
T d
2016-07-17

28. e
292016-07-17

29. „ T
30
SummaryWrite
T Writer
T
o B
2016-07-17

30. 312016-07-17

31. „ add_summary
r notebookT
32
w i
2016-07-17

32. „ Variable
T T
33
global_step
2016-07-17

33. „ Notebook w d
T
342016-07-17

34. „ ae r
T T
352016-07-17

35. 36
gradient d T
cf. tf.contrib.layers.optimize_loss() d
2016-07-17

36. „ d T
Ø CNN e AutoEncoderT
T
Ø
[ ID, (= ), (= ), ]
Tensor
372016-07-17

37. 38
a W1, W2 d a
2016-07-17

38. or
„ T e
T
39
sess.run
add_run_metadata T
2016-07-17

39. or
40
n
2016-07-17

40. d
1.
2.
41
ViVa! TensorBoard!
2016-07-17