아마존 SageMaker 스튜디오 TensorBoard 클래식에서 사용

중요

2023년 11월 30일부터 이전 아마존 SageMaker 스튜디오 익스피리언스는 이제 아마존 SageMaker 스튜디오 클래식으로 명명되었습니다. 다음 섹션은 스튜디오 클래식 애플리케이션 사용에 대한 내용입니다. 업데이트된 Studio 환경 사용에 대한 자세한 내용은 을 참조하십시오아마존 SageMaker 스튜디오.

다음 문서에서는 TensorBoard Amazon SageMaker Studio Classic에서 설치하고 실행하는 방법을 간략하게 설명합니다.

참고

이 안내서는 개별 SageMaker 도메인 사용자 프로필의 SageMaker Studio Classic 노트북 서버를 통해 TensorBoard 애플리케이션을 여는 방법을 보여줍니다. SageMaker 교육 및 SageMaker 도메인의 액세스 제어 기능과 통합된 보다 포괄적인 TensorBoard 환경에 대해서는 을 참조하십시오Amazon에서 교육 작업을 디버깅하고 분석하는 TensorBoard 데 사용합니다. SageMaker .

사전 조건

이 자습서에는 SageMaker 도메인이 필요합니다. 자세한 내용은 아마존 SageMaker 도메인 개요 단원을 참조하세요.

TensorBoardCallback 설정

1. 스튜디오 클래식을 시작하고 런처를 엽니다. 자세한 내용은 Amazon SageMaker 스튜디오 클래식 런처 사용 단원을 참조하세요.

2. Amazon SageMaker Studio 클래식 런처의 환경 변경 버튼을 선택합니다. Notebooks and compute resources

3. 환경 변경 대화 상자에서 드롭다운 메뉴를 사용하여 TensorFlow 2.6 Python 3.8 CPU Optimized Studio Classic 이미지를 선택합니다.

4. 시작 프로그램으로 돌아가서 노트북 생성 타일을 클릭합니다. 노트북이 실행되고 새 Studio Classic 탭에서 열립니다.

5. 노트북 셀 내에서 이 코드를 실행하세요.

6. 필수 패키지를 가져옵니다.

   import os
   import datetime
   import tensorflow as tf

7. Keras 모델을 생성합니다.

   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 로그를 저장할 디렉토리를 만드세요.

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

9. 로 교육을 실행하세요 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 로그 EFS 경로를 생성하십시오. 이 경로를 사용하여 터미널에서 로그를 설정합니다.

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

    EFS_PATH_LOG_DIR를 검색합니다. TensorBoard설치 섹션에 필요합니다.

설치 TensorBoard

1. 스튜디오 클래식의 왼쪽 상단에 있는 Amazon SageMaker Studio Classic 버튼을 클릭하여 Amazon SageMaker Studio Classic 런처를 엽니다. 이 런처는 루트 디렉터리에서 열어야 합니다. 자세한 정보는 Amazon SageMaker 스튜디오 클래식 런처 사용섹션을 참조하세요.

2. 런처의 Utilities and files에서 System terminal를 클릭합니다.

3. 시작 프로그램에서 다음 명령을 실행합니다. Jupyter notebook에서 EFS_PATH_LOG_DIR을 복사하세요. 먼저 /home/sagemaker-user루트 디렉터리에서 실행해야 합니다.

   pip install tensorboard
   tensorboard --logdir <EFS_PATH_LOG_DIR>

시작 TensorBoard

1. 시작하려면 TensorBoard Studio URL Classic을 복사하고 다음과 proxy/6006/ 같이 lab? 교체하십시오. 뒤에 /문자를 포함해야 합니다.

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

2. 로 URL 이동하여 결과를 검토하십시오.