深度学习 AMI
开发人员指南
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 Amazon AWS 入门

TensorBoard

TensorBoard 可让您以视觉方式检查和解释您的 TensorFlow 运行和图表。它运行了一个 Web 服务器,该服务器提供了一个用于查看 TensorBoard 可视化并与之交互的网页。

TensorFlow 和 TensorBoard 随 采用 Conda 的 Deep Learning AMI (DLAMI with Conda) 一起预安装。DLAMI with Conda 还包含一个示例脚本,该脚本使用 TensorFlow 通过启用额外的日志记录功能训练 MNIST 模型。MNIST 是通常用于训练图像识别模型的手写编号的数据库。在本教程中,您将使用该脚本来训练 MNIST 模型、TensorBoard 和日志,以创建可视化。

训练 MNIST 模型并使用 TensorBoard 将训练可视化

使用 TensorBoard 将 MNIST 模型训练可视化

  1. 连接到 DLAMI with Conda 的 Amazon Elastic Compute Cloud (Amazon EC2) 实例。

  2. 激活 Python 2.7 TensorFlow 环境并导航到包含带 TensorBoard 示例脚本的文件夹所在的目录:

    $ source activate tensorflow_p27 $ cd ~/tutorials/TensorFlow/board
  3. 运行训练启用了延长日志记录的 MNIST 模型的脚本:

    $ python mnist_with_summaries.py

    该脚本将日志写入 /tmp/tensorflow/mnist

  4. 将日志的位置传递到 tensorboard

    $ tensorboard --logdir=/tmp/tensorflow/mnist

    TensorBoard 在端口 6006 上启动了可视化 Web 服务器。

  5. 为了方便从您的本地浏览器进行访问,您可以将 Web 服务器端口更改为端口 80 或其他端口。无论您使用哪个端口,都需要在 EC2 安全组中为您的 DLAMI 打开此端口。您还可以使用端口转发。有关更改安全组设置和端口转发的说明,请参阅设置 Jupyter Notebook 服务器。默认设置如下一步中所述。

    注意

    如果您需要同时运行 Jupyter 服务器和 TensorBoard 服务器,请对每个服务器使用不同的端口。

  6. 在您的 EC2 实例上打开端口 6006 (或您分配给可视化 Web 服务器的端口)。

    1. https://console.amazonaws.cn/ec2/ 上的 Amazon EC2 控制台中打开您的 EC2 实例。

    2. 在 Amazon EC2 控制台中,选择 Network & Security (网络与安全),然后选择 Security Groups (安全组)。

    3. 对于 Security Group (安全组),选择最近创建的一个安全组 (请参阅描述中的时间戳)。

    4. 选择 Inbound (入站) 选项卡,然后选择 Edit (编辑)。

    5. 选择 Add Rule

    6. 在新行中,键入以下内容:

      Type:Custom TCP Rule

      ProtocolTCP

      端口范围6006 (或您分配给可视化服务器的端口)

      SourceAnywhere (0.0.0.0/0,::/0)

  7. 使用运行 DLAMI with Conda 的 EC2 实例的公有 IP 或 DNS 地址以及您为 TensorBoard 打开的端口打开用于 TensorBoard 可视化的网页:

    http:// YourInstancePublicDNS:6006

更多信息

要了解有关 TensorBoard 的更多信息,请参阅 TensorBoard 网站