הגדרת סקריפט ההדרכה

צריך להגדיר את סקריפט האימון כך שיכתוב יומני TensorBoard. משתמשי TensorBoard קיימים לא צריכים לשנות את קוד אימון המודל.

כדי להגדיר את סקריפט האימון ב-TensorFlow 2.x, יוצרים קריאה חוזרת (callback) של TensorBoard ומגדירים את המשתנה log_dir לכל מיקום שאפשר להתחבר אליו Google Cloud.

לאחר מכן, קריאת ה-callback של TensorBoard נכללת ברשימת ה-callbacks של TensorFlow model.fit callbacks.

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],
    )

יומני TensorBoard נוצרים בספרייה שצוינה, ואפשר להעלות אותם לניסוי ב-Vertex AI TensorBoard. לשם כך, צריך לפעול לפי ההוראות שבמאמר בנושא העלאת יומני TensorBoard.

דוגמאות נוספות זמינות במסמכי התיעוד של TensorBoard בקוד פתוח

המאמרים הבאים

• כדאי לעיין במידע על הזרמת יומנים אוטומטית
  • אימון באמצעות משימת אימון בהתאמה אישית
  • אימון באמצעות Vertex AI Pipelines