更新时间:2021-09-18 GMT+08:00
分享

创建Tensorboard

TensorBoard是一个可视化工具,能够有效地展示TensorFlow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。TensorBoard当前只支持基于TensorFlow引擎的训练作业。同一个用户的多个项目,创建Tensorboard任务数不能超过5个。TensorBoard相关概念请参考TensorBoard官网

对于采用AI引擎为TensorFlow的训练作业,您可以使用模型训练时产生的Summary文件来创建TensorBoard作业,将需要展示的指标及数据信息写入到Context.get("tensorboard_path")路径下,示例代码如下:

import tensorflow as tf
from naie.context import Context
with tf.name_scope('graph') as scope:    
    matrix1 = tf.constant([[3., 3.]],name ='matrix2')
    matrix2 = tf.constant([[2.],[2.]],name ='matrix3')
    product = tf.matmul(matrix1, matrix2,name='product') 
sess = tf.Session()
writer = tf.summary.FileWriter(Context.get("tensorboard_path"), sess.graph)
init = tf.global_variables_initializer()
sess.run(init)

创建Tensorboard方式:

  • 创建训练任务的时候同步创建Tensorboard
  • 在模型训练工程代码编辑界面控制台的Tensorboard页签中创建Tensorboard
  • 新建模型训练工程,创建训练任务后,在任务详情的Tensorboard页签中创建Tensorboard
  • 配置训练任务时,AI引擎选择PyTorch后可以创建TensorBoard

此处以在训练任务详情的Tensorboard页签中创建Tensorboard为例进行介绍,操作步骤如下。

  1. 在新建模型训练工程的训练任务界面中,单击训练任务右侧的,进入训练任务详情页面。
  2. 在训练任务详情页面,选择“Tensorboard”页签,单击“创建”,完成TensorBoard任务的创建。如图1所示。

    图1 TensorBoard界面
    TensorBoard任务创建后,训练任务界面新增TensorBoard状态展示,如图2所示。
    图2 TensorBoard状态

  3. 单击页面上方账号信息区域,在下拉菜单中选择“TensorBoard”,可对当前创建的TensorBoard环境进行管理,如删除TensorBoard环境,以及单击环境名,跳转到相应训练任务。

相关文档