TensorBoard में TensorFlow द्वारा दिए गए हिस्टोग्राम्स की व्याख्या कैसे की जाती है?

Question

मैं हाल ही में टेंसर प्रवाह सीख रहा था और कुछ हिस्टोग्राम प्राप्त कर रहा था, जो मुझे नहीं पता था कि व्याख्या कैसे करें। आमतौर पर मैं बार की ऊंचाई को आवृत्ति (या सापेक्ष आवृत्ति / गणना) के रूप में सोचता हूं। हालाँकि, तथ्य यह है कि एक सामान्य हिस्टोग्राम के रूप में सलाखों नहीं हैं और तथ्य यह है कि चीजों को छायांकित किया जाता है मुझे भ्रमित करता है। वहाँ भी कई लाइनों / ऊंचाइयों पर एक बार लगता है?

क्या किसी को पता है कि निम्नलिखित रेखांकन की व्याख्या कैसे करें (और शायद अच्छी सलाह दें जो सामान्य रूप से दसियों के प्रवाह में हिस्टोग्राम पढ़ने में मदद कर सकता है:

हो सकता है कि चर्चा करने के लिए दिलचस्प कुछ अन्य चीजें हैं, अगर मूल चर वैक्टर या मैट्रीस या टेनसोर थे, तो वास्तव में दशांश प्रवाह क्या दिखा रहा है, जैसे प्रत्येक समन्वय के लिए एक हिस्टोग्राम? इसके अलावा, शायद लोगों को आत्मनिर्भर बनाने के लिए यह जानकारी कैसे प्राप्त की जाए, यह संदर्भित करना अच्छा होगा क्योंकि मैंने अब डॉक्स पर कुछ मुश्किल से उपयोगी चीजें पा ली हैं। शायद कुछ ट्यूटोरियल उदाहरण आदि? शायद उन्हें हेरफेर करने पर कुछ सलाह भी अच्छी होगी।

---

एक संदर्भ के रूप में, यहां उस कोड का एक उद्धरण दिया गया है जिसने यह दिया है:

(X_train, Y_train, X_cv, Y_cv, X_test, Y_test) = data_lib.get_data_from_file(file_name='./f_1d_cos_no_noise_data.npz')
(N_train,D) = X_train.shape
D1 = 24
(N_test,D_out) = Y_test.shape
W1 = tf.Variable( tf.truncated_normal([D,D1], mean=0.0, stddev=std), name='W1') # (D x D1)
S1 = tf.Variable( tf.constant(100.0, shape=[]), name='S1') # (1 x 1)
C1 = tf.Variable( tf.truncated_normal([D1,1], mean=0.0, stddev=0.1), name='C1' ) # (D1 x 1)
W1_hist = tf.histogram_summary("W1", W1)
S1_scalar_summary = tf.scalar_summary("S1", S1)
C1_hist = tf.histogram_summary("C1", C1)

Comments

जो भी ये भूखंड हैं, वे निश्चित रूप से हिस्टोग्राम नहीं हैं! परिभाषा के अनुसार, एक हिस्टोग्राम क्षेत्रों के माध्यम से संभाव्यता को दर्शाता है ।

— whuber

मुद्दा यह है कि उन्हें "हिस्टोग्राम" के रूप में संदर्भित करने से आप खुद को गुमराह करते हैं, आप अपने पाठकों को गुमराह करने का जोखिम उठाते हैं, और जो कुछ चल रहा है, उस पर शोध करने के अवसर खो देते हैं, क्योंकि आप अपनी खोजों में गलत कीवर्ड का उपयोग करेंगे। पहली बात यह है कि आप क्या करना चाहते हैं यह जानने के लिए अपने दस्तावेज़ से परामर्श करें कि यह इन भूखंडों को क्या कहता है।

— whuber

@ जब मैं उन्हें हिस्टोग्राम नहीं कह रहा, तो वे खुद को हिस्टोग्राम कह रहे हैं! यह उन कमांडों में से एक है जिसका उपयोग मैंने उस जानकारी को एकत्र करने के लिए किया था W1_hist = tf.histogram_summary("W1", W1)। यह हिस्टोग्राम कहता है, मुझे इसे कॉल करने के लिए और क्या चाहिए? मुझे नहीं पता कि वे इसे हिस्टोग्राम क्यों कहेंगे जब इसके कुछ और।

— पिनोचियो

मुझे लगता है कि एक सॉफ्टवेयर डेवलपर अपने कार्यों को अपनी पसंद के अनुसार नाम दे सकता है। फ़ंक्शन के नाम के बावजूद, हालांकि, ये बस किसी भी रूप में हिस्टोग्राम नहीं हैं। हम उम्मीद कर सकते हैं कि प्रलेखन पहचानने योग्य, पारंपरिक नामों का उपयोग करता है या - कम से कम - ये वर्णन करता है कि इन भूखंडों का निर्माण कैसे किया जाता है।

— whuber

@Pinocchio, दो मिनट की गुगली मुझे github.com/tensorflow/tensorflow/blob/master/tensorflow/… पर ले गई, जहाँ आप "histograms" के बारे में पढ़ने के लिए नीचे स्क्रॉल कर सकते हैं। क्या आपने पहले ही इस दस्तावेज़ को देखा है?

— अमीबा का कहना है कि

Answer 1

वर्तमान में "हिस्टोग्राम" नाम एक मिथ्या नाम है। आप README में इसके प्रमाण पा सकते हैं । हिस्टोग्राम इंटरफ़ेस का अर्थ किसी दिन बदल सकता है क्योंकि उन्होंने वहां कहा था। हालाँकि, वर्तमान में इसका यही अर्थ है।

आपके प्रश्न के ग्राफ़ में TensorFlow के विभिन्न रन हैं। इसके बजाय, निम्नलिखित ग्राफ़ को देखें जो केवल एक रन प्रदर्शित करते हैं:

सबसे पहले मैं जो कहना चाहूंगा वह यह है कि घटता स्वयं प्रतिशतता का प्रतिनिधित्व करता है । मैं यहाँ से चित्र उधार लूंगा :

जिसका अर्थ है कि 93% लेबल वाला वक्र 93 वाँ प्रतिशतक है, जिसका अर्थ है कि 93% अवलोकनों का मान ~ 0.130 के समय स्टेप 1.00k पर था। तो ग्राफ 3 चीजों की जानकारी देता है, अवलोकनों का प्रतिशत तंत्रिका नेटवर्क प्रशिक्षण की गणना के हर कदम पर कुछ थिंक वक्र के अनुसार एक निश्चित मूल्य के बराबर होता है (कम से कम इस मामले में इसके चरणों का क्या मतलब है)। इससे आपको अपने नेटवर्क के मूल्यों के वितरण का एहसास होता है।

प्रशिक्षण के दौरान मूल्यों की श्रेणी का बोध पाने के लिए न्यूनतम और अधिकतम मूल्य भी हैं।

तो y- अक्ष आपको वह मूल्य बताता है जो आप रुचि रखते हैं और वक्र आपको चरण में प्रतिशत और x अक्ष बताता है। इसलिए यदि आपके पास:

$$(x,f_i(x) = y)$$

$i$$i$