请问一个机器学习PAI的问题tensorboard看模型embedding,bias，需要怎么改动？

要在阿里云机器学习PAI上使用TensorBoard来查看模型的embedding和bias等信息，您需要修改您的代码以记录这些信息，然后在PAI上配置TensorBoard运行参数以打开TensorBoard。

以下是基本的修改步骤：

1. 对于TensorFlow模型，您可以使用TensorFlow的Summary操作来记录embedding、bias等信息。例如，以下代码可以记录embedding：

   import tensorflow as tf
   
   # ... 构建模型
   
   with tf.name_scope('embedding'):
      tf.summary.histogram("embedding_weights", embedding_weights)
   

2. 存储TensorBoard事件

   修改代码以存储TensorBoard事件，以便将它们传输到PAI集群。例如，以下代码可以将TensorBoard事件写入名为“logs”的目录：

   merged_summary_op = tf.summary.merge_all()
   
   # 添加一个用于写TensorBoard事件的摘要写入器
   summary_writer = tf.summary.FileWriter('./logs',graph=tf.get_default_graph())
   
   # 下面的代码在训练中迭代时运行
   _, summary = session.run([train_op, merged_summary_op], feed_dict=feed_dict)
   summary_writer.add_summary(summary, global_step)
   

3. 设置TensorBoard参数

   在PAI管理控制台中的作业配置页面，找到您的TensorBoard作业，然后在“作业参数”中添加以下参数来运行TensorBoard：

   --logdir=./logs 
   

   这将告诉TensorBoard在“logs”目录中查找事件文件。注意，如果在代码中使用了其他日志目录，则应在这里进行相应的更改。

   修改完代码和TensorBoard参数后，您就可以在PAI的TensorBoard作业输出中找到相应的文件，打开TensorBoard网页并查看相应的embedding和bias信息了。

需要修改模型，让模型写入tensorboard此回答整理自钉群【EasyRec】推荐算法交流群

要查看模型的嵌入和偏置，需要在训练模型时将它们导出到TensorBoard。以下是一些步骤：

在训练模型的代码中，使用tf.summary函数来记录嵌入和偏置的值。例如，可以使用tf.summary.histogram函数记录它们的值。

with tf.name_scope('embedding'): embedding_summary = tf.summary.histogram('embedding', embedding) with tf.name_scope('bias'): bias_summary = tf.summary.histogram('bias', bias)

在训练过程中，将这些摘要添加到TensorBoard摘要文件中。

merged_summary = tf.summary.merge_all() summary_writer = tf.summary.FileWriter(log_dir, sess.graph)

在TensorBoard中查看嵌入和偏置。启动TensorBoard并导航到“嵌入”或“偏置”选项卡即可查看。

tensorboard --logdir=log_dir

您还可以使用tf.summary.scalar函数来记录嵌入和偏置的平均值、最大值、最小值等统计信息。

需要添加一些例如添加嵌入向量和偏置项到您的 TensorFlow 模型中，并将其保存到 TensorBoard 日志文件中。