深度学习 AMI
开发人员指南
AWS 服务或AWS文档中描述的功能,可能因地区/位置而异。请点击 Amazon AWS 入门,可查看中国地区的具体差异

TensorBoard

TensorBoard 用于可视化您的 TensorFlow 图形,绘制有关图形执行的量化指标,以及显示其他数据,例如通过它的图像。

训练 MNIST 模型,随后使用 TensorBoard 进行可视化

tensorboard 工具会随 采用 Conda 的 Deep Learning AMI 一起预安装!您将在 ~/tutorials/TensorFlow/board 中找到一个示例脚本来使用额外的日志记录功能训练 MNIST 模型。这些日志由 TensorBoard 使用,用于创建可视化。TensorBoard 运行一个 Web 服务器,以提供一个用于查看可视化并与之互动的网页。

首先,连接到您的 采用 Conda 的 Deep Learning AMI 并激活 Python 2.7 TensorFlow 环境。然后,将目录更改至 TensorBoard 示例脚本文件夹。

$ source activate tensorflow_p27 $ cd ~/tutorials/TensorFlow/board

运行将在处理扩展日志记录的同时训练 MNIST 模型的脚本。

$ python mnist_with_summaries.py

该脚本是硬编码的,用来将日志写入 /tmp/tensorflow/mnist。此位置是您需要传递到 tensorboard 的参数:

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

默认情况下,它将在端口 6006 上启动可视化服务器。可能需要将其更改为端口 80 或其他端口,以方便从本地浏览器进行访问。您将需要在 EC2 安全组中为 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就像 设置 Jupyter Notebook 服务器 一样。请注意,如果要既运行 Jupyter 服务器又运行 TensorBoard 服务器,则需要为每个服务器选择不同端口。

要在实例防火墙上打开端口 6006 (或者您选择的任意端口):

打开您的 EC2 控制面板,在 Network & Security 部分选择 EC2 导航栏上的 Security Groups。在此页面上,列表中将显示一个或多个安全组。找到最新的安全组 (描述中包含时间戳),选择该安全组,选择 Inbound 选项卡,然后单击 Edit。然后单击 Add Rule。这会添加一个新行。使用以下信息填写字段:

Type:Custom TCP Rule

ProtocolTCP

Port Range6006

SourceAnywhere (0.0.0.0/0,::/0)

使用 DLAMI 的公有 IP 或 DNS 以及为 TensorBoard 打开的端口打开用于 TensorBoard 可视化的网页:

http:// YourInstancePublicDNS:6006

更多功能和示例

如果您有兴趣了解有关 TensorBoard 的更多信息,请访问 TensorBoard 网站