Configurare lo script di addestramento

Lo script di addestramento deve essere configurato per scrivere i log TensorBoard. Per gli utenti TensorBoard esistenti, non è necessario modificare il codice di addestramento del modello.

Per configurare lo script di addestramento in TensorFlow 2.x, crea un callback di TensorBoard e imposta la variabile log_dir su qualsiasi località in grado di connettersi a Google Cloud.

Il callback TensorBoard viene quindi incluso nell'elenco di callback model.fit di TensorFlow.

import tensorflow as tf

def train_tensorflow_model_with_tensorboard(log_dir):
    (x_train, y_train), (x_test, y_test) = tf.keras.datasets.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"),
            ]
        )

    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],
    )

I log di TensorBoard vengono creati nella directory specificata e possono essere caricati in un esperimento Vertex AI TensorBoard seguendo le istruzioni Carica i log TensorBoard per il caricamento.

Per altri esempi, consulta la documentazione open source di TensorBoard

Passaggi successivi