Utilizzo TensorBoard in Amazon SageMaker Studio Classic

Avvia Studio Classic e apri il Launcher. Per ulteriori informazioni, consulta Usa Amazon SageMaker Studio Classic Launcher

In Amazon SageMaker Studio Classic Launcher, sottoNotebooks and compute resources, scegli il pulsante Cambia ambiente.

Nella finestra di dialogo Cambia ambiente, utilizza i menu a discesa per selezionare l'immagine di TensorFlow 2.6 Python 3.8 CPU Optimized Studio Classic.

Tornando all'utilità di avvio, fai clic sul riquadro Crea notebook. Il notebook si avvia e si apre in una nuova scheda Studio Classic.

Esegui questo codice dall'interno delle celle del tuo notebook.

Importa i pacchetti richiesti.

import os
import datetime
import tensorflow as tf

Crea un modello 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')
  ])

Crea una directory per i tuoi log TensorBoard

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

Esegui l'allenamento con 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])

Genera il percorso EFS per TensorBoard i log. Utilizza questo percorso per configurare i log dal terminale.

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

Recupera il valore EFS_PATH_LOG_DIR. Ti servirà nella sezione di TensorBoard installazione.

Fai clic sul Amazon SageMaker Studio Classic pulsante nell'angolo in alto a sinistra di Studio Classic per aprire Amazon SageMaker Studio Classic Launcher. Questa utilità di avvio deve essere aperta dalla directory root. Per ulteriori informazioni, consulta Usa Amazon SageMaker Studio Classic Launcher

Nell'utilità di avvio, in Utilities and files, fai clic su System terminal.

Dal terminale, esegui i comandi seguenti: Copia EFS_PATH_LOG_DIR dal notebook Jupyter. Devi eseguirlo dalla directory root di /home/sagemaker-user.

pip install tensorboard
tensorboard --logdir <EFS_PATH_LOG_DIR>

Per avviare TensorBoard, copia l'URL di Studio Classic e lab? sostituiscilo con il proxy/6006/ seguente. Devi includere il carattere / finale.

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

Vai all'URL per esaminare i risultati.