Mulai Menggunakan Vertex AI TensorBoard

Instance Vertex AI TensorBoard, yang merupakan resource regional yang menyimpan eksperimen Vertex AI TensorBoard, harus ada sebelum eksperimen dapat divisualisasikan. Anda dapat membuat beberapa instance dalam sebuah project (misalnya, dibuat secara manual atau dibuat secara default di SDK eksperimen).

Membuat instance Vertex AI TensorBoard

Vertex AI SDK untuk Python

Membuat instance Vertex AI TensorBoard menggunakan Vertex AI SDK untuk Python.

Vertex AI SDK untuk Python

def create_tensorboard_sample(
    project: str,
    display_name: str,
    location: str,
):
    aiplatform.init(project=project, location=location)

    tensorboard = aiplatform.Tensorboard.create(
        display_name=display_name,
        project=project,
        location=location,
    )

    print(tensorboard.display_name)
    print(tensorboard.resource_name)
    return tensorboard
  • project: Project ID Anda. Anda dapat menemukan ID ini di halaman sambutan Konsol Google Cloud.
  • display_name: Berikan nama untuk instance TensorBoard Anda.
  • location: Lihat Daftar lokasi yang tersedia Pastikan Anda menggunakan wilayah yang mendukung TensorBoard jika membuat instance TensorBoard.

Konsol Google Cloud

Ikuti langkah-langkah berikut untuk membuat instance Vertex AI TensorBoard menggunakan Konsol Google Cloud.

  1. Jika Anda baru mengenal Vertex AI atau memulai project baru, siapkan project dan lingkungan pengembangan Anda.
  2. Di bagian Vertex AI pada Google Cloud Console, buka halaman Eksperimen.

    Buka halaman Eksperimen.
  3. Buka tab TensorBoard Instances.
  4. Klik Create di bagian atas halaman.
  5. Pilih region dari menu drop-down Region.
  6. Tambahkan deskripsi. (opsional)
  7. Klik Create untuk membuat instance TensorBoard

membuat instance tensorboard

gcloud CLI

Gunakan Google Cloud CLI untuk membuat instance Vertex AI TensorBoard.
  1. Menginstal gcloud CLI
  2. Melakukan inisialisasi Google Cloud CLI dengan menjalankan gcloud init.
  3. Untuk mengonfirmasi penginstalan, pelajari perintahnya.
     gcloud ai tensorboards --help

    Perintah tersebut mencakup create, describe, list, dan delete. Jika perlu, Anda dapat mengikuti langkah-langkah ini guna menetapkan nilai default untuk project dan region Anda sebelum melanjutkan.
    Sekarang, Anda dapat membuat instance Vertex AI TensorBoard.
  4. Melakukan autentikasi ke gcloud CLI.
    gcloud auth application-default login
  5. Buat instance Vertex AI TensorBoard dengan memberikan nama project dan nama tampilan. Langkah ini mungkin memerlukan waktu beberapa menit untuk diselesaikan untuk pertama kalinya dalam sebuah project. Catat nama instance Vertex AI TensorBoard (misalnya: projects/123/locations/us-central1/tensorboards/456) yang dicetak di akhir perintah berikut. Anda akan membutuhkannya pada langkah berikutnya. 
    gcloud ai tensorboards create --display-name DISPLAY_NAME \
     --project PROJECT_NAME

    Ganti:
    • PROJECT_NAME: project tempat Anda ingin membuat instance TensorBoard
    • DISPLAY_NAME: nama deskriptif untuk instance TensorBoard


Log TensorBoard

Vertex AI TensorBoard menawarkan Google Cloud CLI dan Vertex AI SDK untuk Python untuk mengupload log TensorBoard. Anda dapat mengupload log dari lingkungan mana pun yang dapat terhubung ke Google Cloud.

Membuat lingkungan virtual (opsional)

Langkah pertama yang opsional, tetapi direkomendasikan:

  1. Buat lingkungan virtual khusus untuk menginstal Python CLI Uploader Vertex AI TensorBoard.
python3 -m venv PATH/TO/VIRTUAL/ENVIRONMENT
source PATH/TO/VIRTUAL/ENVIRONMENT/bin/activate
  1. Ganti PATH/TO/VIRTUAL/ENVIRONMENT dengan jalur ke lingkungan virtual khusus Anda.

Menginstal paket Vertex AI TensorBoard melalui Vertex AI SDK

Uploader memerlukan pip versi terbaru agar dapat diinstal dengan benar.

pip install -U pip
pip install google-cloud-aiplatform[tensorboard]

Mengupload log Vertex AI TensorBoard

Vertex AI SDK untuk Python

Pemantauan berkelanjutan

Panggil aiplatform.start_upload_tb_log di awal pelatihan. SDK akan membuka thread baru untuk mengupload. Thread ini terus melakukan pemantauan jika ada data baru di dalam direktori. Setelah pelatihan selesai, panggil end_upload_tb_log yang akan menghentikan thread uploader. Jika end_upload_tb_log tidak dipanggil, rencana waktu tunggu akan menutup thread.

Vertex AI SDK untuk Python

def upload_tensorboard_log_continuously_sample(
    tensorboard_experiment_name: str,
    logdir: str,
    tensorboard_id: str,
    project: str,
    location: str,
    experiment_display_name: Optional[str] = None,
    run_name_prefix: Optional[str] = None,
    description: Optional[str] = None,
) -> None:

    aiplatform.init(project=project, location=location)

    # Continuous monitoring
    aiplatform.start_upload_tb_log(
        tensorboard_id=tensorboard_id,
        tensorboard_experiment_name=tensorboard_experiment_name,
        logdir=logdir,
        experiment_display_name=experiment_display_name,
        run_name_prefix=run_name_prefix,
        description=description,
    )
    aiplatform.end_upload_tb_log()
  • tensorboard_experiment_name: Nama eksperimen ini.
  • logdir: Lokasi log TensorBoard yang berada di sistem file lokal atau Cloud Storage.
  • tensorboard_id:
    • Untuk menemukan tensorboard_id, buka bagian Vertex AI halaman Eksperimen di Google Cloud Console, lalu pilih tab TensorBoard Instances.
      Buka halaman Eksperimen

      Membuat instance TensorBoard
    Jika tidak disetel, tensorboard_id di aiplatform.init akan digunakan.
  • project: Project ID Anda. Anda dapat menemukan Project ID ini di halaman sambutan Konsol Google Cloud.
  • location: Lihat Daftar lokasi yang tersedia
  • experiment_display_name: Nama tampilan eksperimen.
  • run_name_prefix: Jika ada, semua operasi yang dibuat oleh pemanggilan ini akan diberi awalan oleh nilai ini.
  • description: Deskripsi string yang akan ditetapkan ke eksperimen.

Logging satu kali

Memanggil aiplatform.upload_tb_log untuk melakukan upload satu kali log TensorBoard. Fungsi ini hanya mengupload data yang sudah ada di logdir dan kemudian segera kembali.

Vertex AI SDK untuk Python

def upload_tensorboard_log_one_time_sample(
    tensorboard_experiment_name: str,
    logdir: str,
    tensorboard_id: str,
    project: str,
    location: str,
    experiment_display_name: Optional[str] = None,
    run_name_prefix: Optional[str] = None,
    description: Optional[str] = None,
    verbosity: Optional[int] = 1,
) -> None:

    aiplatform.init(project=project, location=location)

    # one time upload
    aiplatform.upload_tb_log(
        tensorboard_id=tensorboard_id,
        tensorboard_experiment_name=tensorboard_experiment_name,
        logdir=logdir,
        experiment_display_name=experiment_display_name,
        run_name_prefix=run_name_prefix,
        description=description,
    )
  • tensorboard_experiment_name: Ini adalah nama eksperimen tensorboard ini. projects/{project}/locations/{location}/tensorboards/{tensorboard_id}
  • logdir: Lokasi log TensorBoard yang berada di sistem file lokal atau Cloud Storage.
  • tensorboard_id:
    • Untuk menemukan tensorboard_id, buka bagian Vertex AI halaman Eksperimen di Google Cloud Console, lalu pilih tab TensorBoard Instances.
      Buka halaman Eksperimen

      Membuat instance TensorBoard
    Jika tidak disetel, tensorboard_id di aiplatform.init akan digunakan.
  • project: Project ID Anda. Anda dapat menemukan Project ID ini di halaman sambutan Konsol Google Cloud.
  • location: Lihat Daftar lokasi yang tersedia
  • experiment_display_name: Nama tampilan eksperimen.
  • run_name_prefix: Jika ada, semua operasi yang dibuat oleh pemanggilan ini akan diberi awalan oleh nilai ini.
  • description: Deskripsi string yang akan ditetapkan ke eksperimen.
  • verbosity: Tingkat panjang statistik, bilangan bulat. Nilai yang didukung: 0 - Tidak ada statistik upload yang akan dicetak. 1 - Mencetak statistik upload saat mengupload data (default).

gcloud CLI 


tb-gcp-uploader --tensorboard_resource_name \
  TENSORBOARD_INSTANCE_NAME \
  --logdir=LOG_DIR \
  --experiment_name=TB_EXPERIMENT_NAME --one_shot=True
  • TENSORBOARD_INSTANCE_NAME: ada dua cara untuk mengidentifikasi nama instance:
    • Nama lengkap dicetak di akhir perintah gcloud ai tensorboards create yang Anda gunakan sebelumnya.
    • Jika Instance TensorBoard dibuat menggunakan Konsol Google Cloud, TENSORBOARD_INSTANCE_NAME adalah projects/PROJECT_ID_OR_NUMBER/locations/REGION/tensorboards/TENSORBOARD_INSTANCE_ID
      • Untuk menemukan TENSORBOARD_INSTANCE_ID, buka bagian Vertex AI halaman Eksperimen di Konsol Google Cloud, lalu pilih tab TensorBoard Instances.
        Buka halaman Eksperimen

        Membuat instance TensorBoard
  • LOG_DIR: lokasi log peristiwa yang berada di sistem file lokal atau Cloud Storage
  • TB_EXPERIMENT_NAME: nama eksperimen, misalnya test-experiment. Nama eksperimen harus unik dalam resource TensorBoard

CLI uploader secara default berjalan tanpa batas waktu, memantau perubahan di LOG_DIR, dan mengupload log yang baru ditambahkan. --one_shot=True menonaktifkan perilaku tersebut. Jalankan tb-gcp-uploader --help untuk informasi selengkapnya.

Melihat eksperimen Vertex AI TensorBoard

Untuk mengakses halaman Vertex AI TensorBoard di Konsol Google Cloud, Anda memerlukan peran IAM "Vertex AI TensorBoard Web App User". Administrator IAM project dapat memberikan akses tersebut. Pengguna dengan peran Vertex AI Administrator juga memiliki akses.

Mengakses Vertex AI TensorBoard menggunakan Google Cloud Console

Anda dapat mengakses eksperimen Vertex AI TensorBoard dari Konsol Google Cloud dengan langkah-langkah berikut.

  1. Di bagian Vertex AI pada Konsol Google Cloud, buka halaman Eksperimen.

    Buka halaman Eksperimen

  2. Dari tab eksperimen, scroll atau filter daftar eksperimen untuk menemukan eksperimen Anda.

  3. Untuk membuka halaman aplikasi web Vertex AI TensorBoard, klik Open TensorBoard di samping eksperimen.

Melihat TensorBoard

Tampilan aplikasi web Vertex AI TensorBoard akan muncul.

Tampilan TensorBoard muncul

Anda dapat membagikan link ke tampilan ini kepada orang lain yang memiliki izin.

Jika Anda menggunakan Vertex AI TensorBoard dengan pelatihan kustom, pilih eksperimen dari halaman Pelacakan Eksperimen. Tombol Open TensorBoard akan muncul di bagian atas halaman. Demikian pula, jika Anda menggunakan Vertex AI TensorBoard di Vertex AI Pipelines, tombol Open TensorBoard akan muncul saat Anda memilih komponen terkait.

Selain itu, saat menggunakan paket Vertex AI TensorBoard, CLI akan meng-output link ke instance Vertex AI TensorBoard di beberapa baris log pertama tempat Anda dapat melihat eksperimen. Contoh: View your TensorBoard at https://us-central1.tensorboard.googleusercontent.com/experiment/projects+123+locations+us-central1+tensorboards+4567+experiments+my-experiment-name

Notebook

Langkah berikutnya