Configurare lo script di addestramento

Lo script di addestramento deve essere configurato per scrivere i log di TensorBoard. Per gli utenti di TensorBoard esistenti, non è necessario apportare modifiche al 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 a cui è possibile connettersi Google Cloud.

Il callback di TensorBoard viene quindi incluso nell'elenco dei 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 di Vertex AI TensorBoard seguendo le istruzioni per il caricamento dei log di TensorBoard.

Per altri esempi, consulta la documentazione open source di TensorBoard

Passaggi successivi