Utilisation de TensorBoard dans Amazon SageMaker Studio - Amazon SageMaker

Utilisation de TensorBoard dans Amazon SageMaker Studio

Le document suivant décrit comment installer et exécuter TensorBoard dans Amazon SageMaker Studio.

Prerequisites

Ce didacticiel nécessite un domaine Amazon SageMaker Studio.

Configuration d' TensorBoardCallback

  1. Lancez Studio.

  2. Dans le lanceur d'Amazon SageMaker Studio, sous Notebooks and compute resources, sélectionnez l'image de TensorFlow 2.3 Python 3.7(optimized for CPU) Studio.

  3. Lancez un bloc-notes.

  4. Importez les packages obligatoires.

    import os import datetime import tensorflow as tf
  5. Créez votre modèle Keras.

    mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 def create_model(): return tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(512, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ])
  6. Créer un répertoire pour vos journaux TensorBoard

    LOG_DIR = os.path.join(os.getcwd(), "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))
  7. Exécutez l'entraînement avec TensorBoard.

    model = create_model() model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=LOG_DIR, histogram_freq=1) model.fit(x=x_train, y=y_train, epochs=5, validation_data=(x_test, y_test), callbacks=[tensorboard_callback])
  8. Générez le chemin EFS pour les journaux TensorBoard. Vous utilisez ce chemin d'accès pour configurer vos journaux à partir du terminal.

    EFS_PATH_LOG_DIR = "/".join(LOG_DIR.strip("/").split('/')[1:-1]) print (EFS_PATH_LOG_DIR)

Installer TensorBoard

  1. Cliquez sur le bouton Amazon SageMaker Studio dans l'angle supérieur gauche de Studio pour ouvrir le lanceur Amazon SageMaker Studio. Ce lanceur doit être ouvert à partir de votre répertoire racine.

  2. Dans le lanceur sous Utilities and files, cliquez sur System terminal.

  3. Depuis le terminal, exécutez les commandes suivantes. Copiez EFS_PATH_LOG_DIR à partir du bloc-notes Jupyter. Vous devez l'exécuter depuis le répertoire racine de /home/sagemaker-user.

    pip install tensorboard tensorboard --logdir <EFS_PATH_LOG_DIR>

Lancer TensorBoard

  1. Pour lancer TensorBoard, copiez votre URL Studio et remplacez lab? par proxy/6006/ comme suit. Vous devez inclure le caractère / de fin.

    https://<YOUR_URL>.studio.region.sagemaker.aws/jupyter/default/proxy/6006/
  2. Accédez à l'URL pour examiner vos résultats.