Amazon SageMaker Studio Classic TensorBoard で を使用する

重要

2023 年 11 月 30 日現在、以前の Amazon SageMaker Studio エクスペリエンスは Amazon SageMaker Studio Classic と名付けられています。次のセクションは、Studio Classic アプリケーションの使用に固有のものです。更新された Studio エクスペリエンスの使用については、「」を参照してくださいAmazon SageMaker Studio。

次のドキュメントでは、Amazon SageMaker Studio Classic TensorBoard で をインストールして実行する方法の概要を説明します。

注記

このガイドでは、個々の SageMaker ドメインユーザープロファイルの SageMaker Studio Classic ノートブックサーバーを介して TensorBoard アプリケーションを開く方法を説明します。 SageMaker トレーニングおよび SageMaker ドメインのアクセスコントロール機能と統合されたより包括的な TensorBoard エクスペリエンスについては、「」を参照してください TensorBoard を使用して Amazon のトレーニングジョブをデバッグおよび分析する SageMaker。

前提条件

このチュートリアルには SageMaker ドメインが必要です。詳細については、「Amazon SageMaker ドメインの概要」を参照してください

TensorBoardCallback の設定

1. Studio Classic を起動し、ランチャーを開きます。詳細については、「Amazon SageMaker Studio Classic Launcher を使用する」を参照してください

2. Amazon SageMaker Studio Classic Launcher の でNotebooks and compute resources、環境の変更ボタンを選択します。

3. 環境の変更ダイアログで、ドロップダウンメニューを使用して TensorFlow 2.6 Python 3.8 CPU Optimized Studio Classic Image を選択します。

4. ランチャーに戻り、[ノートブックの作成] タイルをクリックします。ノートブックが起動し、新しい Studio Classic タブで開きます。

5. ノートブックのセルでこのコードを実行します。

6. 必要なパッケージをインポートします。

   import os
   import datetime
   import tensorflow as tf

7. Keras モデルを作成します。

   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')
     ])

8. TensorBoard ログのディレクトリを作成する

   LOG_DIR = os.path.join(os.getcwd(), "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))

9. でトレーニングを実行します 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])

10. TensorBoard ログのEFSパスを生成します。ターミナルで、このパスを使ってログを設定します。

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

    EFS_PATH_LOG_DIR を取得します。インストールセクションで TensorBoard必要になります。

のインストール TensorBoard

1. Studio Classic の左上隅にあるAmazon SageMaker Studio Classicボタンをクリックすると、Amazon SageMaker Studio Classic Launcher が開きます。このランチャーは、ルートディレクトリから開く必要があります。詳細については、「Amazon SageMaker Studio Classic Launcher を使用する」を参照してください

2. ランチャーの [Utilities and files] で、[System terminal] をクリックします。

3. ターミナルで次のコマンドを実行します。Jupyter ノートブックから EFS_PATH_LOG_DIR をコピーします。これは、/home/sagemaker-user のルートディレクトリで実行する必要があります。

   pip install tensorboard
   tensorboard --logdir <EFS_PATH_LOG_DIR>

起動 TensorBoard

1. を起動するには TensorBoard、Studio Classic をコピーURLし、proxy/6006/次のように を に置き換えlab?ます。最後の / 文字も含める必要があります。

   https://<YOUR_URL>.studio.region.sagemaker.aws/jupyter/default/proxy/6006/

2. に移動URLして、結果を調べます。