在 Amazon SageMaker Studio Classic 中使用 TensorBoard - Amazon SageMaker AI
先決條件設定 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 中使用 TensorBoard

重要

自 2023 年 11 月 30 日起，先前的 Amazon SageMaker Studio 體驗現在命名為 Amazon SageMaker Studio Classic。下節專門介紹如何使用 Studio Classic 應用程式。如需使用已更新 Studio 體驗的資訊，請參閱 Amazon SageMaker Studio。

Studio Classic 仍會針對現有工作負載進行維護，但無法再用於加入。您只能停止或刪除現有的 Studio Classic 應用程式，而且無法建立新的應用程式。建議您將工作負載遷移至新的 Studio 體驗。

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

注意

本指南說明如何透過個別 SageMaker AI 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 訓練整合的更全面 TensorBoard 體驗，以及 SageMaker AI 網域的存取控制功能，請參閱Amazon SageMaker AI 中的 TensorBoard。

先決條件

本教學課程需要 SageMaker AI 網域。如需更多資訊，請參閱Amazon SageMaker AI 網域概觀

設定 TensorBoardCallback

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

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

  3. 在變更環境對話方塊上，使用下拉式清單選取 TensorFlow 2.6 Python 3.8 CPU Optimized Studio Classic 映像。

  4. 回到啟動器，按一下建立筆記本圖磚。您的筆記本會啟動並在新的 Studio Classic 索引標籤中開啟。

  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 TensorBoard 進行訓練。

    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. 為 TensorBoard 日誌產生 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。您可以在 TensorBoard 安裝區段中使用此功能。

安裝 TensorBoard

  1. 按下 Studio Classic 左上角的 Amazon SageMaker Studio Classic 按鈕開啟 Amazon SageMaker Studio Classic 啟動器。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 啟動器

  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 並以 proxy/6006/ 取代 lab?，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。