使用 TensorFlow 可视化多重嵌入答案

【问题标题】：Visualizing multiple embedding With Tensorflow使用 TensorFlow 可视化多重嵌入
【发布时间】：2017-07-10 20:24:01
【问题描述】：

我想基于多个张量变量可视化我的数据，即基于不同的嵌入变量。换句话说，我需要做的是：

我需要将 100 维向量（图像特征/嵌入）存储到 5 个不同的变量中。然后我需要根据 5 个不同的变量来可视化我的数据。也就是说，我需要基于前 20 个特征来可视化我的数据，然后基于后 20 个特征等等......

当我在 https://www.tensorflow.org/get_started/embedding_viz 上查看嵌入可视化教程时，他们说我们可以添加多个嵌入。这就是我要找的。

如何在张量流中做到这一点？

非常感谢任何帮助！

【问题讨论】：

标签： tensorflow visualization embedding

【解决方案1】：

所以它不起作用的原因是因为我试图将 100 维嵌入划分为 100 个不同的变量。那没有用。因此，当我将嵌入划分为 5 个不同的部分时，也就是将它们划分为 5 个不同的变量时，它成功了。以下是我的代码：

import numpy as np
import tensorflow as tf
from tensorflow.contrib.tensorboard.plugins import projector

LOG_DIR = \
    'C:/Users/user/PycharmProjects/VariationalAutoEncoder/' \
    'Tensorflow-DeconvNet-Segmentation/Embeddings/features_images.ckpt'

feature_vectors = np.loadtxt('features.txt')
feature_vectors = feature_vectors[:5329]

print("feature_vectors_shape:",feature_vectors.shape)

sub_features = []
for i in range(20):
    features = tf.Variable(feature_vectors[:, 5 * i: 5 * (i + 1)], name=('features' + str(i)))
    sub_features.append(features)

with tf.Session() as sess:

    saver = tf.train.Saver()
    sess.run(tf.global_variables_initializer())
    saver.save(sess, LOG_DIR)

    config = projector.ProjectorConfig()
    for i in range(20):
        embedding = config.embeddings.add()
        embedding.tensor_name = sub_features[i].name

        embedding.sprite.image_path = \
            'C:/Users/user/PycharmProjects/VariationalAutoEncoder/Tensorflow-DeconvNet-Segmentation/master.jpg'
        embedding.sprite.single_image_dim.extend([112, 112])

    # Saves a config file that TensorBoard will read during startup.
    projector.visualize_embeddings(tf.summary.FileWriter(LOG_DIR), config)

【讨论】：