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
<a name="studio-tensorboard"></a>

**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 ao uso da aplicação Studio Classic. Para obter informações sobre como usar a experiência atualizada do Studio, consulte [SageMaker Estúdio Amazon](studio-updated.md).  
O Studio Classic ainda é mantido para cargas de trabalho existentes, mas não está mais disponível para integração. Você só pode parar ou excluir aplicativos do Studio Classic existentes e não pode criar novos. Recomendamos que você [migre sua carga de trabalho para a nova experiência do Studio](studio-updated-migrate.md).

 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 domínio de SageMaker IA individual. Para uma TensorBoard experiência mais abrangente integrada ao SageMaker treinamento e às funcionalidades de controle de acesso do domínio de SageMaker IA, consulte[TensorBoard na Amazon SageMaker AI](tensorboard-on-sagemaker.md).

## Pré-requisitos
<a name="studio-tensorboard-prereq"></a>

Este tutorial exige um domínio de SageMaker IA. Para obter mais informações, consulte [Visão geral do domínio Amazon SageMaker AI](gs-studio-onboard.md).

## Configurar o `TensorBoardCallback`
<a name="studio-tensorboard-setup"></a>

1. Execute o Studio Classic e abra o Inicializador. Para obter mais informações, consulte [Use o Amazon SageMaker Studio Classic Launcher](studio-launcher.md).

1. No Amazon SageMaker Studio Classic Launcher, em`Notebooks and compute resources`, escolha o botão **Alterar ambiente**.

1. Na caixa de diálogo **Alterar ambiente**, use as listas suspensas para selecionar a **imagem** do `TensorFlow 2.6 Python 3.8 CPU Optimized` Studio Classic.

1. De volta ao Inicializador, clique no quadro **Criar caderno**. Seu caderno é iniciado e aberto em uma nova aba Studio.

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

1. Importe os pacotes necessários. 

   ```
   import os
   import datetime
   import tensorflow as tf
   ```

1. 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')
     ])
   ```

1. 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"))
   ```

1. 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])
   ```

1. Gere o caminho do EFS para os TensorBoard registros. Você usa esse caminho para configurar seus logs 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
<a name="studio-tensorboard-install"></a>

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 obter mais informações, consulte [Use o Amazon SageMaker Studio Classic Launcher](studio-launcher.md).

1. No Inicializador, em `Utilities and files`, clique em `System terminal`. 

1. 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
<a name="studio-tensorboard-launch"></a>

1. Para iniciar TensorBoard, copie seu URL do Studio Classic 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/
   ```

1. Navegue até o URL para examinar seus resultados.