微軟在GitHub開源平臺上發(fā)布了一個名為TensorWatch的人工智能調試和可視化工具。TensorWatch可用于創(chuàng)建自定義可視化、UI和儀表板。它還可用于對您的實時ML培訓過程執(zhí)行任意查詢，作為查詢的結果返回一個流，并使用您選擇的可視化工具查看這個流。

TensorWatch是一個Python庫，它使用Jupyter Notebook而不是預先打包的用戶界面，在這個基礎上，Jupyter Notebook更容易定制。在進行實時培訓過程的交互式調試時，您可以選擇使用Jupyter Notebook中的可組合UI或Jupyter Lab中的實時共享儀表板。您還可以使用Python構建自己的自定義UI，或者選擇現(xiàn)有的Python UI。TensorWatch還支持多種標準的可視化類型，包括條形圖、柱狀圖和餅狀圖，支持2D和3D版本。

TensorWatch中的數(shù)據(jù)被視為一個流，其他對象包括文件、控制臺、套接字、云存儲和可視化。TensorWatch流可以偵聽其他流，從而可以組合自定義數(shù)據(jù)流圖。開發(fā)人員說，這意味著您可以將許多流呈現(xiàn)為相同的可視化，或者一個流可以同時呈現(xiàn)為許多可視化，或者一個流可以持久化到許多文件中，或者根本不持久化。

TensorWatch中使用的另一個主要思想是延遲日志記錄模式。這意味著您不必設置顯式日志記錄;相反，你可以讓TensorWatch觀察變量。這樣可以降低開銷，因此您可以根據(jù)需要跟蹤任意數(shù)量的變量，包括培訓期間的大型模型或整批產品。

然后，您可以執(zhí)行在TensorWatch觀察到的變量上下文中運行的交互式查詢，并得到返回的流。然后可以可視化、保存或處理這些流。開發(fā)人員給出了一個編寫lambda表達式的示例，該表達式在每批處理完成時計算模型中每一層的平均權重梯度，并將結果作為可繪制為條形圖的張量流發(fā)送。

TensorWatch還提供了基于現(xiàn)有開源庫的訓練前和訓練后階段的特性，用于為卷積網絡提供模型圖可視化、通過降維進行數(shù)據(jù)探索、模型統(tǒng)計和幾個預測解釋器。

TensorWatch支持Python 3.x，并使用PyTorch 0.4-1.x進行測試。

安裝：

linuxidc@linuxidc:~/www.linuxidc.com$ pip3 install tensorwatch