tbdev_getting_started.ipynb

Kernel: Python 3

Copyright 2020 The TensorFlow Authors.

#@title Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

Como começar com o TensorBoard.dev

O TensorBoard.dev é um serviço gratuito e público do TensorBoard que permite fazer o upload e carregar seus experimentos de ML com todo mundo.

Este notebook treina um modelo simples e mostra como fazer upload de logs no TensorBoard.dev. Prévia.

Configuração e importações

Este notebook usa os recursos do TensorBoard, que só estão disponíveis para versões >= 2.3.0.

import tensorflow as tf
import datetime
from tensorboard.plugins.hparams import api as hp

Treine um modelo simples e crie logs do TensorBoard

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')
  ])

Os logs do TensorBoard são criados durante o treinamento ao passar as callbacks do TensorBoard e de hiperparâmetros ao Model.fit() do Keras. Depois, esses logs podem ser carregados no TensorBoard.dev.

model = create_model()
model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy'])

log_dir="logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback = tf.keras.callbacks.TensorBoard(
    log_dir=log_dir, histogram_freq=1)
hparams_callback = hp.KerasCallback(log_dir, {
    'num_relu_units': 512,
    'dropout': 0.2
})

model.fit(
    x=x_train, 
    y=y_train, 
    epochs=5, 
    validation_data=(x_test, y_test), 
    callbacks=[tensorboard_callback, hparams_callback])

(Somente Jupyter) Autorize o TensorBoard.dev

Esta etapa não é necessária no Colab

Nesta etapa, você precisa autorizar no console do seu shell, fora do Jupyter. No seu console, execute o comando a seguir.

tensorboard dev list

Como parte desse fluxo, você receberá um código de autorização. Esse código é necessário para consentir com os Termos de Serviço.

Faça upload no TensorBoard.dev

O upload de logs do TensorBoard dará a você uma URL que pode ser compartilhada com todos.

Os TensorBoards carregados são públicos, então não envie dados sensíveis.

A pessoa responsável pelo upload saíra quando o logdir inteiro tiver sido carregado. (Isso é o que a flag --one_shot especifica.)

!tensorboard dev upload --logdir ./logs \
  --name "Simple experiment with MNIST" \
  --description "Training results from https://colab.sandbox.google.com/github/tensorflow/tensorboard/blob/master/docs/tbdev_getting_started.ipynb" \
  --one_shot

Cada upload individual tem um ID de experimento único. Isso significa que, se você começar um novo upload com o mesmo diretório, obterá um novo ID de experimento. Você pode visualizar todos os experimentos carregados em https://tensorboard.dev/experiments/. Como alternativa, você pode listar seus experimentos no terminal usando o comando a seguir:

tensorboard dev list

!tensorboard dev list

Capturas de tela do TensorBoard.dev

Isto é o que aparecerá quando você acessar https://tensorboard.dev/experiments/:

Isto é o que aparecerá ao acessar seu novo experimento no TensorBoard.dev:

Exclua seu experimento do TensorBoard.dev

Para remover um experimento carregado, use o comando delete e especifique o experiment_id adequado. Na captura de tela acima, o experiment_id está listado no canto inferior esquerdo: w1lkBAOrR4eH35Y7Lg1DQQ.

# You must replace YOUR_EXPERIMENT_ID with the value output from the previous
# tensorboard `list` command or `upload` command.  For example
# `tensorboard dev delete --experiment_id pQpJNh00RG2Lf1zOe9BrQA`

## !tensorboard dev delete --experiment_id YOUR_EXPERIMENT_ID_HERE