TensorBoard

TensorBoardle permite inspeccionar e interpretar visualmente sus TensorFlow corridas y gráficos. Ejecuta un servidor web que sirve de página web para ver TensorBoard las visualizaciones e interactuar con ellas.

TensorFlow y TensorBoard vienen preinstalados con la AMI de aprendizaje profundo con Conda (DLAMI con Conda). El DLAMI con Conda también incluye un script de ejemplo que se TensorFlow utiliza para entrenar un modelo MNIST con funciones de registro adicionales habilitadas. MNIST es una base de datos de números escritos a mano que se utiliza generalmente para entrenar modelos de reconocimiento de imágenes. En este tutorial, utilizará el script para entrenar un modelo MNIST TensorBoard y los registros para crear visualizaciones.

Entrene un modelo MNIST y visualice el entrenamiento con TensorBoard

Visualice el entrenamiento del modelo MNIST con TensorBoard

1. Conéctese a su instancia de Amazon Elastic Compute Cloud (Amazon EC2) de la DLAMI con Conda.

2. Active el TensorFlow entorno Python 2.7 y navegue hasta el directorio que contiene la carpeta con los scripts de TensorBoard ejemplo:

   $ source activate tensorflow_p27
   $ cd ~/examples/tensorboard/

3. Ejecute el script que entrena un modelo de MNIST con el registro extendido habilitado:

   $ python mnist_with_summaries.py

   El script escribe los registros en /tmp/tensorflow/mnist.

4. Transfiera la ubicación de los registros a tensorboard:

   $ tensorboard --logdir=/tmp/tensorflow/mnist

   TensorBoard inicia el servidor web de visualización en el puerto 6006.

5. Para facilitar el acceso desde su navegador local, puede cambiar el puerto del servidor web al puerto 80 o a otro puerto. Con independencia del puerto que utilice, tendrá que abrirlo en el grupo de seguridad de EC2 para su DLAMI. También puede usar el redireccionamiento de puertos. Para obtener instrucciones acerca del cambio de la configuración de su grupo de seguridad y redireccionamiento de puertos, consulte Configuración de un servidor de cuadernos de Jupyter. La configuración predeterminada se describe en el siguiente paso.

   nota

   Si necesita ejecutar tanto el servidor Jupyter como un TensorBoard servidor, utilice un puerto diferente para cada uno.

6. Abra el puerto 6006 (o el puerto asignado al servidor web de visualización) en la instancia EC2.

   1. Abra su instancia de EC2 en la consola de Amazon EC2 en https://console.aws.amazon.com/ec2/.

   2. En la consola de Amazon EC2;, elija Red y seguridad y, a continuación, elija Grupos de seguridad.

   3. Para Security Group (Grupo de seguridad), elija el que se creó más recientemente (consulte la marca de tiempo en la descripción).

   4. Elija la pestaña Inbound (Entrada) y elija Edit (Editar).

   5. Seleccione Add Rule (Agregar regla).

   6. En la nueva fila, escriba lo siguiente:

      Tipo: TCP Rule personalizada

      Protocolo: TCP

      Intervalo de puertos: 6006 (o el puerto que haya asignado al servidor de visualización)

      Origen: Custom IP (specify address/range)

7. Abra la página web de TensorBoard las visualizaciones mediante la dirección IP o DNS pública de la instancia EC2 que ejecuta la DLAMI con Conda y el puerto que ha abierto para: TensorBoard

   http:// YourInstancePublicDNS:6006

Más información

Para obtener más información, consulte el sitio web TensorBoard. TensorBoard