开始
加载和管理数据
处理数据
政府
引用和资源
更新3月09年,2023年
给我们反馈
TensorFlow为机器学习是一个开源框架由谷歌。它支持深度学习和通用数值计算cpu、gpu和集群gpu。它的条款和条件Apache 2.0许可。
砖运行时机器学习包括TensorFlow TensorBoard,所以您可以使用这些库没有安装任何包。TensorFlow安装在砖运行时版本的ML版本,您使用的是看到的发布说明。
请注意
这个指南不是TensorFlow综合指导。看到TensorFlow网站。
测试和迁移单机工作流程,使用单节点集群。
深度学习分布式训练选项,请参阅分布式训练。
以下笔记本显示了如何运行TensorFlow (1。和2. x) TensorBoard监控单个节点集群上。
在新标签页打开笔记本
TensorBoard是一套可视化工具的调试、优化、机器学习和理解TensorFlow, PyTorch和其他项目。
开始TensorBoard砖没有不同于开始在您的本地计算机上Jupyter笔记本。
加载% tensorboard神奇的命令和定义你的日志目录。
% tensorboard
%load_exttensorboardexperiment_log_dir=<日志- - - - - -目录>
调用% tensorboard神奇的命令。
% tensorboard——logdir experiment_log_dir美元
TensorBoard服务器启动并显示用户界面内联在笔记本上。它还提供了一个在新标签页中打开TensorBoard链接。
下面的屏幕截图显示了TensorBoard UI开始在一个密集的日志目录。
你也可以直接开始使用TensorBoard TensorBoard的笔记本模块。
从tensorboard进口笔记本笔记本。开始(”——logdir{}”。格式(experiment_log_dir))
TensorBoard可视化您的机器学习程序通过读取日志生成的TensorBoard回调函数TensorBoard或PyTorch。为其他机器学习库生成日志,你可以直接使用TensorFlow文件写日志作家(见模块:tf.summaryTensorFlow 2。x和看到模块:tf.compat.v1.summary老API的TensorFlow 1。x)。
确保实验日志是可靠地存储,数据砖建议写日志DBFS(也就是说,日志目录下/ dbfs /)而不是短暂的集群文件系统。对于每一个实验,开始在一个独特的TensorBoard目录。每次运行实验,机器学习代码的生成日志、设置TensorBoard回调或filewriter写实验目录的子目录。这样,TensorBoard UI中的数据将被分为运行。
/ dbfs /
阅读官方的TensorBoard文档开始使用TensorBoard为机器学习程序日志信息。
TensorBoard流程开始在砖笔记本不终止当笔记本分离或重新启动REPL(例如,当你清楚笔记本)的状态。手动杀TensorBoard流程,将其发送终止信号使用% sh杀了-15年pid。不当死亡TensorBoard过程可能腐败notebook.list ()。
% sh杀了-15年pid
notebook.list ()
列出目前TensorBoard服务器集群上运行,与相应的日志目录和进程id,运行notebook.list ()从TensorBoard笔记本模块。
内联TensorBoard UI在iframe。浏览器安全特性防止外部链接在UI内工作,除非你在新标签页中打开链接。
的——window_title选择TensorBoard覆盖在砖上。
——window_title
默认情况下,TensorBoard扫描的端口范围选择端口听。如果有太多TensorBoard进程运行在集群中,所有端口的端口范围可能不可用。你可以解决这个限制通过指定的端口号——港口论点。指定的港口应该是在6006年和6106年之间。
——港口
下载的链接工作,你必须在标签中打开TensorBoard。
当使用TensorBoard 1.15.0,投影仪选项卡是空白。作为一个解决方案,直接访问投影机页面,你可以替换#投影仪在URL中,数据/插件/投影仪/ projector_binary.html。
#投影仪
数据/插件/投影仪/ projector_binary.html
TensorBoard测试盒框有一个已知问题如果升级,可能会影响TensorBoard呈现。