TensorFlow (TF) — одна из популярных сред машинного обучения (ML). Это облегчило жизнь разработчикам машинного обучения, особенно разработчикам глубокого обучения. Tensorboard — это набор инструментов для визуализации от TF. Этот инструментарий визуализирует такие метрики, как точность и потери, график модели (операции и слои) и многие другие, о которых вы знаете (если не знаете, можете узнать здесь). Для использования этого инструментария в исходный код Python необходимо добавить несколько строк кода для регистрации, как показано ниже:
import datetime
# Create a TensorBoard callback
profile_logs = "logs/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tboard_callback = tf.keras.callbacks.TensorBoard(log_dir = profile_logs, histogram_freq = 1, profile_batch = '500,520')
model.fit(training_data, training_labels, epochs=15, callbacks=[tboard_callback])
Затем с помощью следующей команды Tensorboard будет запущен на порте 6006 сервера, к которому вы подключаетесь с помощью SSH-соединения.
$ tensorboard --log-dir=logs
Но вы хотите иметь возможность открывать и просматривать Tensorboard в браузере вашего локального компьютера. Для этого выполните следующие действия:
- Подключитесь к серверу, перенаправив порт 6006 удаленного сервера на порт, который вам нравится для просмотра Tensorboard (например, 16006).
$ ssh -L 16006:127.0.0.1:6006 user@server
2. Запустите Tensorboard
$ tensorboard --logdir="profile-logs" --port=6006
3. Откройте браузер и введите:
127.0.0.1:16006
or
localhost:16006
