Uso de TensorBoard en Amazon SageMaker Studio Classic - Amazon SageMaker AI
Requisitos previosConfiguración de TensorBoardCallbackInstalación de TensorBoardInicio de TensorBoard

Uso de TensorBoard en Amazon SageMaker Studio Classic

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección es específica del uso de la aplicación de Studio Classic. Para obtener información sobre el uso de la experiencia de Studio actualizada, consulte Amazon SageMaker Studio.

En el siguiente documento se describe cómo instalar y ejecutar TensorBoard en Amazon SageMaker Studio Classic.

nota

En esta guía se muestra cómo abrir la aplicación de TensorBoard a través de un servidor de cuaderno de SageMaker Studio Classic de un perfil de usuario de un dominio de SageMaker AI individual. Para obtener una experiencia de TensorBoard más completa e integrada con el entrenamiento de SageMaker y las funcionalidades de control de acceso del dominio de SageMaker AI, consulte TensorBoard en Amazon SageMaker AI.

Requisitos previos

Este tutorial requiere un dominio de SageMaker AI. Para obtener más información, consulte Descripción general del dominio de Amazon SageMaker AI

Configuración de TensorBoardCallback

  1. Inicialice Studio Classic y abra el lanzador. Para obtener más información, consulte Uso del lanzador de Amazon SageMaker Studio Classic

  2. En el lanzador de Amazon SageMaker Studio Classic, en Notebooks and compute resources, seleccione el botón Cambiar entorno.

  3. En el cuadro de diálogo Cambiar entorno, utilice los menús desplegables para seleccionar la Imagen TensorFlow 2.6 Python 3.8 CPU Optimized de Studio Classic.

  4. De vuelta al lanzador, haga clic en el icono Crear cuaderno. El cuaderno se inicia y se abre en una nueva pestaña de Studio Classic.

  5. Ejecute este código desde las celdas de su cuaderno.

  6. Importe los paquetes necesarios: 

    import os
import datetime
import tensorflow as tf

  7. Cree un modelo Keras.

    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')
  ])

  8. Cree un directorio para los registros de TensorBoard

    LOG_DIR = os.path.join(os.getcwd(), "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))

  9. Ejecute el entrenamiento con TensorBoard.

    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])

  10. Genere la ruta EFS para los registros de TensorBoard. Esta ruta se utiliza para configurar los registros desde la terminal.

    EFS_PATH_LOG_DIR = "/".join(LOG_DIR.strip("/").split('/')[1:-1])
print (EFS_PATH_LOG_DIR)

    Obtenga el valor de EFS_PATH_LOG_DIR. Lo necesitará en la sección de instalación de TensorBoard.

Instalación de TensorBoard

  1. Haga clic en el botón Amazon SageMaker Studio Classic en la esquina superior izquierda de Studio Classic para abrir el lanzador de Amazon SageMaker Studio Classic. Este lanzador debe abrirse desde el directorio raíz. Para obtener más información, consulte Uso del lanzador de Amazon SageMaker Studio Classic

  2. En el lanzador, bajo Utilities and files, haga clic en System terminal.

  3. Ejecute los siguientes comandos desde el terminal. Copie EFS_PATH_LOG_DIR desde el cuaderno de Jupyter. Debe ejecutar esto desde desde el directorio raíz /home/sagemaker-user.

    pip install tensorboard
tensorboard --logdir <EFS_PATH_LOG_DIR>

Inicio de TensorBoard

  1. Para iniciar TensorBoard, copie la URL de Studio Classic y reemplace lab? por proxy/6006/ de la siguiente manera. Debe incluir el carácter final /.

    https://<YOUR_URL>.studio.region.sagemaker.aws/jupyter/default/proxy/6006/

  2. Vaya a la URL para examinar los resultados.