在发布了Bing背后的一种核心算法的代码一个月后，微软公司今天对开源社区做出了另一项显着贡献。

该公司的研究部门今天 推出了TensorWatch，这是一种内部开发的工具，旨在降低人工智能项目的复杂性。它特别关注开发过程的一个方面：调试。

消除错误代码是任何软件项目中最繁琐且耗时的任务之一。当涉及到AI开发时，该过程特别麻烦，因为机器学习模型固有的复杂性意味着与传统程序相比，它们有更多的破解方法。TensorWatch旨在通过使开发人员能够在交互式图中可视化其模型来使错误更容易发现。

该工具使用AI在进行测试时生成的数据来生成图形。根据微软的说法，TensorWatch将每个信息源表示为一个“流”。流可以包括模型的输出，有关其消耗多少处理能力的统计信息，甚至包括TensorWatch图形等。

这种方法的好处是可以更轻松地处理数据。开发人员可以在多个可视化视图中重用相同的流，也可以制作并排显示多个信息流的图形。TensorWatch有助于创建一切，从简单的条形图到复杂的三维地图，这些地图可视化交互式虚拟空间中的潜在错误。

用户可以通过编写查询来操纵他们的图形来放大感兴趣的项目。此功能由Jupyter Notebook提供支持，Jupyter Notebook是一种流行的开放源代码应用程序，用于Microsoft已纳入TensorWatch界面的实验编码。

除了允许开发人员以可视方式查找错误外，该工具还有望使故障排除更加有效。这归功于微软研究人员将其称为“懒惰日志记录模式”的功能。

简而言之，TensorWatch可以通过减少为查找问题模式而需要摄取的数据量来降低处理开销。软件团队可以让该工具仅观察显示模型在测试过程中表现如何的核心变量。

微软已经在GitHub上共享了TensorWatch的代码。该工具加入了开源生态系统中的许多现有AI可视化和调试工具。其中包括Embedding Projector，这是由Google LLC创建的应用程序，用于可视化神经网络用来表示数据的复杂数学结构。