Configure o script de treinamento

Seu script de treinamento precisa ser configurado para gravar os registros do TensorBoard. Para os usuários atuais do TensorBoard, não é preciso fazer nenhuma alteração no código de treinamento do modelo.

Para configurar seu script de treinamento no TensorFlow 2.x, crie um callback do TensorBoard e defina a variável log_dir como qualquer local que possa se conectar a Google Cloud.

O callback do TensorBoard é incluído na lista de callbacks model.fit do 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],
    )

Os registros do TensorBoard são criados no diretório especificado e podem ser enviados para um experimento do TensorBoard da Vertex AI seguindo as instruções de upload de registros do TensorBoard.

Para mais exemplos, consulte a documentação de código aberto do TensorBoard.

A seguir

• Confira o streaming automático de registros
  • Treinar usando um job de treinamento personalizado
  • Treinar usando o Vertex AI Pipelines