Использование TensorBoard в DataSphere

TensorBoard — это дашборд для визуализации логов обучения ваших моделей. Результаты можно просматривать с помощью графов, гистограмм и других инструментов.

Полное описание возможностей TensorBoard см. на сайте TensorFlow.

Создание дашборда

В DataSphere можно запустить TensorBoard тремя способами:

1. Из меню DataSphere. Откройте меню File, выберите New и пункт TensorBoard. Откроется новая вкладка с дашбордом, на котором будут отображаться логи всей рабочей папки /home/jupyter/work/resources.
2. Из вкладки Commands на левой панели. Откройте ее и выберите команду Create a new TensorBoard. В открывшемся окне укажите относительный путь к нужной вам папке с логами. Будет запущен новый инстанс.
3. Из ячейки ноутбука. Выполните в ячейке команду вида %tensorboard --logdir <путь к папке с логами>. Запустится новый инстанс с дашбордом.

Пример использования TensorBoard

В этом примере c помощью TensorBoard демонстрируются результаты обучения тестовой модели. TensorBoard будет запущен с помощью команды из ячейки ноутбука.

Чтобы использовать TensorBoard в вашем ноутбуке:

1. Импортируйте TensorFlow:

   import tensorflow as tf
   import datetime
   

2. Задайте тестовую модель, например:

   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')
     ])
   

3. Запустите обучение модели:

   model = create_model()
   model.compile(optimizer='adam',
                 loss='sparse_categorical_crossentropy',
                 metrics=['accuracy'])
   
   log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
   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])
   

4. Запустите TensorBoard:

   %tensorboard --logdir logs/fit