Mengonfigurasi skrip pelatihan

Skrip pelatihan Anda harus dikonfigurasi untuk menulis log TensorBoard. Bagi pengguna lama TensorBoard, hal ini tidak memerlukan perubahan pada kode pelatihan model Anda.

Untuk mengonfigurasi skrip pelatihan di TensorFlow 2.x, buat callback TensorBoard dan tetapkan variabel log_dir ke lokasi apa pun yang dapat terhubung ke Google Cloud.

Callback TensorBoard kemudian disertakan dalam daftar callback model.fit TensorFlow.

import tensorflow as tf

def train_tensorflow_model_with_tensorboard(log_dir):
    (x_train, y_train), (x_test, y_test) = tf.keras.datasets.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"),
            ]
        )

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

    tensorboard_callback = tf.keras.callbacks.TensorBoard(
        log_dir=log_dir,
        histogram_freq=1
    )

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

Log TensorBoard dibuat di direktori yang ditentukan dan dapat diupload ke eksperimen Vertex AI TensorBoard dengan mengikuti petunjuk Mengupload Log TensorBoard untuk mengupload.

Untuk contoh selengkapnya, lihat dokumen open source TensorBoard

Langkah selanjutnya

• Lihat streaming log otomatis
  • Melatih menggunakan tugas pelatihan kustom
  • Melatih menggunakan Vertex AI Pipelines