配置训练脚本

您的训练脚本必须配置为写入 TensorBoard 日志。对于现有 TensorBoard 用户，这不需要更改模型训练代码。

如需在 TensorFlow 2.x 中配置训练脚本，请创建 TensorBoard 回调并将 log_dir 变量设置为可连接到 Google Cloud 的任意位置。

然后，TensorBoard 回调会添加到 TensorFlow model.fit 回调列表中。

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],
    )

TensorBoard 日志在指定的目录中创建，并且可按照上传 TensorBoard 日志说明上传，以上传到 Vertex AI TensorBoard 实验。

如需查看更多示例，请参阅 TensorBoard 开源文档

后续步骤