翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
TensorBoard
TensorBoard
TensorFlow また、Conda 搭載のディープラーニング AMI (Conda 搭載の DLAMI) TensorBoard がプリインストールされています。DLAMI with Condaには、 TensorFlow 追加のロギング機能を有効にしてMNISTモデルをトレーニングするためのサンプルスクリプトも含まれています。MNIST は、画像認識モデルのトレーニングによく使用される手書き数字のデータベースです。このチュートリアルでは、このスクリプトを使用して MNIST TensorBoard モデルをトレーニングし、ログを使用してビジュアライゼーションを作成します。
MNIST モデルをトレーニングし、そのトレーニングを次の方法で視覚化します。 TensorBoard
MNIST モデルトレーニングを次のように視覚化します。 TensorBoard
-
DLAMI with Conda の Amazon Elastic Compute Cloud (Amazon EC2) インスタンスに接続します。
-
Python 2.7 TensorFlow 環境をアクティブ化し、 TensorBoard サンプルスクリプトを含むフォルダーを含むディレクトリに移動します。
$
source activate tensorflow_p27$
cd ~/examples/tensorboard/ -
MNIST モデルを拡張ログを有効化してトレーニングするスクリプトを実行します。
$
python mnist_with_summaries.pyこのスクリプトは、
/tmp/tensorflow/mnist
にログを書き込みます。 -
ログの場所を
tensorboard
に渡します。$
tensorboard --logdir=/tmp/tensorflow/mnistTensorBoard ビジュアライゼーション Web サーバーをポート 6006 で起動します。
-
ローカルブラウザから簡単にアクセスするには、ウェブサーバーポートをポート 80 あるいは他のポートに変更できます。いずれのポートを使用する場合でも、DLAMI 用の EC2 セキュリティグループでポートを開く必要があります。また、ポートフォワーディングを使用できます。セキュリティグループの設定を変更する手順およびポートフォワーディングの手順に関しては、「Jupyter ノートブックサーバーの設定」を参照してください。デフォルトの設定は、次のステップで説明します。
注記
Jupyter サーバーとサーバーの両方を実行する必要がある場合は、それぞれに異なるポートを使用してください。 TensorBoard
-
EC2 インスタンスでポート 6006 (または、ウェブサーバーを可視化するために指定したポート) を開きます。
-
Amazon EC2 コンソールで EC2 インスタンスを開きます (https://console.aws.amazon.com/ec2/
)。 -
Amazon EC2 コンソールで、[Network & Security] (ネットワーク & セキュリティ)、[Security Groups] (セキュリティグループ) の順に選択します。
-
[セキュリティグループ] で最後に作成したセキュリティグループを選択します (詳細のタイムスタンプを参照してください)。
-
[インバウンド] タブを選択し、[編集] を選択します。
-
ルールの追加] を選択します。
-
新しい行で次のように入力します。
タイプ : カスタム
TCP Rule
プロトコル:
TCP
ポート範囲:
6006
(または、可視化サーバーに割り当てたポート)ソース:
Custom IP (specify address/range)
-
-
Conda で DLAMI を実行している EC2 インスタンスのパブリック IP または DNS アドレスと、そのために開いたポートを使用して、 TensorBoard ビジュアライゼーション用のウェブページを開きます。 TensorBoard
http://
YourInstancePublicDNS
:6006
詳細情報
詳細については TensorBoard、ウェブサイトを参照してください。TensorBoard