Use TensorBoard no Amazon SageMaker Studio Classic - Amazon SageMaker
Pré-requisitosConfigurar o TensorBoardCallbackInstalar TensorBoardLançamento TensorBoard

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Use TensorBoard no Amazon SageMaker Studio Classic

Importante

Em 30 de novembro de 2023, a experiência anterior do Amazon SageMaker Studio agora se chama Amazon SageMaker Studio Classic. A seção a seguir é específica para usar o aplicativo Studio Classic. Para obter informações sobre como usar a experiência atualizada do Studio, consulte SageMaker Estúdio Amazon.

O documento a seguir descreve como instalar e executar TensorBoard no Amazon SageMaker Studio Classic.

nota

Este guia mostra como abrir o TensorBoard aplicativo por meio de um servidor de notebook SageMaker Studio Classic de um perfil de usuário de SageMaker domínio individual. Para uma TensorBoard experiência mais abrangente integrada ao SageMaker treinamento e às funcionalidades de controle de acesso do SageMaker domínio, consulteTensorBoard na Amazon SageMaker.

Pré-requisitos

Este tutorial requer um SageMaker domínio. Para ter mais informações, consulte Visão geral SageMaker do domínio da Amazon

Configurar o TensorBoardCallback

  1. Inicie o Studio Classic e abra o Launcher. Para ter mais informações, consulte Use o Amazon SageMaker Studio Classic Launcher

  2. No Amazon SageMaker Studio Classic Launcher, emNotebooks and compute resources, escolha o botão Alterar ambiente.

  3. Na caixa de diálogo Alterar ambiente, use os menus suspensos para selecionar a imagem do TensorFlow 2.6 Python 3.8 CPU Optimized Studio Classic.

  4. De volta ao Inicializador, clique no quadro Criar caderno. Seu caderno é iniciado e aberto em uma nova guia Studio Classic.

  5. Execute esse código de dentro das células do seu caderno.

  6. Importe os pacotes necessários. 

    import os
import datetime
import tensorflow as tf

  7. Crie um modelo 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')
  ])

  8. Crie um diretório para seus TensorBoard registros

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

  9. Execute o treinamento com 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. Gere o EFS caminho para os TensorBoard registros. Você usa esse caminho para configurar seus registros a partir do terminal.

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

    Recupere o EFS_PATH_LOG_DIR. Você precisará dele na seção TensorBoard de instalação.

Instalar TensorBoard

  1. Clique no Amazon SageMaker Studio Classic botão no canto superior esquerdo do Studio Classic para abrir o Amazon SageMaker Studio Classic Launcher. Esse Inicializador deve ser aberto a partir do seu diretório raiz. Para ter mais informações, consulte Use o Amazon SageMaker Studio Classic Launcher

  2. No Inicializador, em Utilities and files, clique em System terminal.

  3. No terminal, execute os comandos a seguir. Copie EFS_PATH_LOG_DIR do caderno Jupyter. Você pode fazer isso executando o diretório raiz /home/sagemaker-user.

    pip install tensorboard
tensorboard --logdir <EFS_PATH_LOG_DIR>

Lançamento TensorBoard

  1. Para iniciar TensorBoard, copie seu Studio Classic URL e lab? substitua-o pelo proxy/6006/ seguinte. É necessário incluir o caractere antecedente /.

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

  2. Navegue até o URL para examinar seus resultados.