Вставьте TensorBoard в окно Google Colab при использовании Google Диска с помощью 2 строк кода

Google Colab предоставляет встроенный блокнот Jupyter, который можно интегрировать с вашим Google Диском для доступа к файлам. Его туз-карта — это бесплатное использование графического процессора (GPU), который в противном случае был бы очень дорогой покупкой, если бы он использовался на вашем локальном компьютере. Он обеспечивает идеальную среду для всех ваших проектов машинного обучения / глубокого обучения.

Tensorboard — это «глаза и уши» обученной модели нейронной сети. Он отображает точность и потери вашей модели, прошедшей обучение, что позволяет вам визуализировать результаты в виде графика точности и графика потерь.

Мы будем использовать учебник DogvsCat YouTuber sendex по анализу моделей Tensorboard в качестве рабочего примера: https://pythonprogramming.net/tensorboard-analysis-deep-learning-python-tensorflow-keras/

Предпосылки:

1. Учебные пособия с части 1 по часть 5 по введению в глубокое обучение от sendex.

2. Доступ к Google Диску (требуется учетная запись Google)

Давайте начнем:

Откройте Google Colab и смонтируйте Google Диск, используя значок папки слева, затем щелкните последнюю папку, чтобы смонтировать Google Диск:

Нажмите «ПОДКЛЮЧИТЬСЯ К GOOGLE DRIVE».

Создайте папку «logfiles» и внутри нее создайте папку «catvsdoglogs»:

Щелкните каталог «logfiles», щелкните правой кнопкой мыши и выберите «Копировать путь»:

Первая ячейка кода содержит операторы импорта и глобальные переменные. Вставьте содержимое буфера обмена в переменную pathoflogsdir и приравняйте первый параметр TensorBoard; log_dir в pathoflogsdir + ‘catvsdoglogs/{}’

Выполните ячейку кода, чтобы убедиться, что переменная NAME отображается правильно:

Щелкните папку наборов данных, щелкните правой кнопкой мыши и выберите «Копировать путь»:

Во вторую ячейку кода вставьте содержимое буфера обмена и назначьте его переменной с именем «путь». Запустите ячейку кода, чтобы убедиться, что обе переменные X и y имеют тип numpy.ndarray.

ПРИМЕЧАНИЕ. Используйте функцию np.asarray для преобразования y из списка в массив numpy:

В последней строке третьего кода ячейка гарантирует, что окончательный параметр показывает

callbacks=[tensorboard]

Снова скопируйте путь к папке «catvsdoglogs» с левой стороны:

В последней ячейке кода первая строка должна быть %load_ext tensorboard. Во второй строке должно отображаться %tensorboard –logdir= {вставить текст из буфера обмена}:

Вернитесь к первой выполненной ячейке кода, выделите показанное имя и скопируйте переменную имени в буфер обмена:

Вставьте (Ctrl + V) содержимое буфера обмена и вставьте двойную кавычку, чтобы закрыть строковое значение:

Нажмите «Среда выполнения» и нажмите «Изменить тип среды выполнения»:

Нажмите на стрелку вниз и выберите «GPU» из выпадающего списка и нажмите «СОХРАНИТЬ»:

Нажмите Runtime и нажмите «Run all»:

Это отобразит результаты tensorboard на текущей вкладке браузера:

Удачного кодирования Colab и анализа результатов в tensorboard! Если эта статья помогла вам, ставьте лайк.