在 Amazon SageMaker Studio Classic TensorBoard 中使用 - Amazon SageMaker
必要條件設定 TensorBoardCallback安裝 TensorBoard啟動 TensorBoard

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

在 Amazon SageMaker Studio Classic TensorBoard 中使用

重要

截至 2023 年 11 月 30 日，先前的 Amazon SageMaker Studio 體驗現在已命名為 Amazon SageMaker Studio Classic。以下章節是使用 Studio Classic 應用程式的特定部分。如需有關使用更新 Studio 體驗的資訊，請參閱 Amazon SageMaker Studio。

下列文件概述如何在 Amazon SageMaker Studio Classic TensorBoard 中安裝和執行 。

注意

本指南說明如何透過個別 SageMaker 網域使用者設定檔的 SageMaker Studio Classic 筆記本伺服器開啟 TensorBoard 應用程式。如需與 SageMaker 訓練和 SageMaker 網域存取控制功能整合的更全面 TensorBoard 體驗，請參閱 TensorBoard 在 Amazon 中 SageMaker。

必要條件

本教學課程需要 SageMaker 網域。如需詳細資訊，請參閱 Amazon SageMaker 網域概觀

設定 TensorBoardCallback

  1. 啟動 Studio Classic，然後開啟 Launcher。如需詳細資訊，請參閱 使用 Amazon SageMaker Studio Classic Launcher

  2. 在 Amazon SageMaker Studio Classic Launcher 的 下Notebooks and compute resources，選擇變更環境按鈕。

  3. 在變更環境對話方塊中，使用下拉式功能表選取 TensorFlow 2.6 Python 3.8 CPU Optimized Studio Classic Image 。

  4. 回到啟動器，按一下建立筆記本圖磚。您的筆記本會在新的 Studio Classic 索引標籤中啟動和開啟。

  5. 從您的筆記本單元中執行此程式碼。

  6. 匯入下列必要的套件。

    import os
import datetime
import tensorflow as tf

  7. 建立一個 Keras 模型。

    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. 為您的 TensorBoard 日誌建立目錄

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

  9. 使用 執行訓練 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. 產生 TensorBoard 日誌的EFS路徑。您可以使用此路徑從終端設定日誌。

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

    擷取 EFS_PATH_LOG_DIR。您需要在 TensorBoard安裝區段中使用它。

安裝 TensorBoard

  1. 按一下 Studio Classic 左上角的Amazon SageMaker Studio Classic按鈕，開啟 Amazon SageMaker Studio Classic Launcher。必須從根目錄開啟此啟動器。如需詳細資訊，請參閱 使用 Amazon SageMaker Studio Classic Launcher

  2. 在啟動器的 Utilities and files 下，按一下 System terminal。

  3. 從終端機輸入以下命令。從 Jupyter 筆記本複製 EFS_PATH_LOG_DIR。您可以從 /home/sagemaker-user 根目錄執行此作業。

    pip install tensorboard
tensorboard --logdir <EFS_PATH_LOG_DIR>

啟動 TensorBoard

  1. 若要啟動 TensorBoard，請複製您的 Studio Classic URL並取代lab?為 proxy/6006/ ，如下所示。您必須包含結尾的 / 字元。

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

  2. 導覽至 URL以檢查結果。