TensorFlow

单节点分布式训练

要测试和迁移单机工作流，请使用单节点集群．

有关深度学习的分布式训练选项，请参见分布式训练．

例如笔记本电脑

下面的笔记本演示了如何运行TensorFlow(1。在单节点集群上使用TensorBoard监控。

使用TensorBoard

在Databricks中启动TensorBoard与在本地计算机上的Jupyter笔记本上启动TensorBoard没有什么不同。

1. 加载% tensorboardMagic命令并定义您的日志目录。

   ％load_exttensorboardexperiment_log_dir=<日志-目录>

2. 调用% tensorboard神奇的命令。

   %tensorboard——logdir $experiment_log_dir

   TensorBoard服务器启动并在笔记本中内联显示用户界面。它还提供了在新选项卡中打开TensorBoard的链接。

   下面的截图显示了TensorBoard UI在填充的日志目录中启动。

你也可以通过直接使用TensorBoard的笔记本模块来启动TensorBoard。

从tensorboard进口笔记本笔记本．开始（”——logdir{}”．格式（experiment_log_dir））

TensorBoard日志和目录

TensorBoard通过读取TensorBoard回调和函数生成的日志来可视化你的机器学习程序TensorBoard或PyTorch．要为其他机器学习库生成日志，可以使用TensorFlow文件写入器直接写入日志模块:tf.summary对于TensorFlow 2。X和看模块:tf.compat.v1.summaryTensorFlow 1中的旧API。x)。

为了确保您的实验日志被可靠地存储，Databricks建议将日志写入DBFS(即下的日志目录)/ dbfs /)，而不是临时集群文件系统。对于每个实验，在唯一的目录中启动TensorBoard。对于每次运行生成日志的实验中的机器学习代码，设置TensorBoard回调或filewriter写入到实验目录的子目录。这样，TensorBoard UI中的数据将被分离到运行中。

解读官方TensorBoard文档开始使用TensorBoard记录机器学习程序的信息。

管理TensorBoard进程

在Databricks笔记本中启动的TensorBoard进程不会在笔记本卸载或REPL重新启动时终止(例如，当您清除笔记本状态时)。要手动终止TensorBoard进程，请使用% sh杀了-15年pid．不恰当地杀死TensorBoard进程可能会损坏notebook.list ()．

要列出当前在集群上运行的TensorBoard服务器，以及它们对应的日志目录和进程id，请运行notebook.list ()来自TensorBoard笔记本模块。

已知的问题

• 内联TensorBoard UI在一个iframe中。浏览器安全特性阻止UI中的外部链接工作，除非您在新选项卡中打开该链接。

• 的——window_titleTensorBoard选项在Databricks上被覆盖。

• 默认情况下，TensorBoard会扫描一个端口范围来选择要监听的端口。如果集群中TensorBoard进程过多，可能会导致该端口范围内的所有端口不可用。属性指定端口号，可以绕过此限制——港口论点。指定的端口应该在6006到6106之间。

• 为了让下载链接正常工作，你必须在一个选项卡中打开TensorBoard。

• 当使用TensorBoard 1.15.0时，投影仪选项卡是空白的。作为一种变通方法，直接访问投影仪页面，可以进行替换#投影仪在URL中数据/插件/投影仪/ projector_binary.html．

• TensorBoard 2.4.0有一个已知问题如果升级，可能会影响TensorBoard渲染。