TensorBoard 出力データを収集するためのトレーニングジョブを準備する

での機械学習の一般的なトレーニングジョブ SageMaker は、トレーニングスクリプトの準備と SageMaker Python の SageMaker 推定器オブジェクトの設定という 2 つの主要なステップで構成されますSDK。このセクションでは、 SageMaker トレーニングジョブから TensorBoard互換データを収集するために必要な変更について説明します。

前提条件

次のリストは、 SageMaker で の使用を開始するための前提条件を示しています TensorBoard。

ステップ 1: オープンソースの TensorBoard ヘルパーツールを使用してトレーニングスクリプトを変更する

収集する出力テンソルとスカラーを確認し、 TensorBoardX、 TensorFlow Summary Writer、 PyTorch Summary Writer、 SageMaker Debugger のいずれかのツールを使用してトレーニングスクリプトのコード行を変更します。

また、 TensorBoard データ出力パスをトレーニングコンテナのコールバックのログディレクトリ (log_dir) として指定してください。

フレームワークごとのコールバックについて詳しくは、次のリソースを参照してください。

ステップ 2: TensorBoard 出力設定を使用して SageMaker トレーニング推定器オブジェクトを作成する

SageMaker フレームワーク推定器を設定するsagemaker.debugger.TensorBoardOutputConfigときは、 を使用します。この設定は、トレーニングコンテナ () にローカルパスを使用して TensorBoard データを保存するために指定した S3 バケットをAPIマッピングします/opt/ml/output/tensorboard。モジュールのオブジェクトを推定器クラスの tensorboard_output_config パラメータに渡します。次のコードスニペットは、 TensorBoard 出力設定パラメータを使用して TensorFlow 推定器を準備する例を示しています。

"TensorBoardOutputConfig": { 
  "LocalPath": "/opt/ml/output/tensorboard",
  "S3OutputPath": "s3_output_bucket"
}

from sagemaker.tensorflow import TensorFlow
from sagemaker.debugger import TensorBoardOutputConfig

# Set variables for training job information, 
# such as s3_out_bucket and other unique tags.
... 

LOG_DIR="/opt/ml/output/tensorboard"

output_path = os.path.join(
    "s3_output_bucket", "sagemaker-output", "date_str", "your-training_job_name"
)

tensorboard_output_config = TensorBoardOutputConfig(
    s3_output_path=os.path.join(output_path, 'tensorboard'),
    container_local_output_path=LOG_DIR
)

estimator = TensorFlow(
    entry_point="train.py",
    source_dir="src",
    role=role,
    image_uri=image_uri,
    instance_count=1,
    instance_type="ml.c5.xlarge",
    base_job_name="your-training_job_name",
    tensorboard_output_config=tensorboard_output_config,
    hyperparameters=hyperparameters
)