TensorBoard facile de 3 minutes dans Google Colab (en utilisant TensorFlow 2.x)

Lors de l'utilisation de TensorFlow, TensorBoard est souvent utilisé pour visualiser l'état de l'apprentissage. Il est très pratique de pouvoir voir l'état de manière interactive sur l'écran Web, mais il a fallu quelques astuces pour s'y référer depuis Google Colaboratory. TensorFlow 2.x semble être facile à utiliser sur Google Colab. Je vais donc essayer.

Environnement d'exécution

Utilisez Google Colaboratory.

Exemple de code

Vous pouvez en savoir plus sur l'utilisation de TensorBoard de Google Colab sur la page officielle de TensorFlow. https://www.tensorflow.org/tensorboard/tensorboard_in_notebooks

Exécutez la commande magique d'utilisation de TensorFlow 2.x.

from __future__ import absolute_import, division, print_function, unicode_literals

try:
  # %tensorflow_version only exists in Colab.
  %tensorflow_version 2.x
except Exception:
  pass

Exécutez ensuite la commande magique pour charger le TensorBoard.

# Load the TensorBoard notebook extension
%load_ext tensorboard

Créez un modèle simple en utilisant MNIST (données d'image de nombres souvent utilisées comme échantillon). keras est très simple.

import tensorflow as tf
from tensorflow.keras.callbacks import TensorBoard

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

Donnez à model.fit () une fonction de rappel pour TensorBoard. Cette zone est la même que la façon d'utiliser TensorBoard normalement.

tf_callback = TensorBoard(log_dir="logs", histogram_freq=1)
model.fit(x_train, y_train, epochs=5, callbacks=[tf_callback])

model.evaluate(x_test,  y_test, verbose=2)

Affichez TensorBoard en spécifiant l'emplacement de stockage du journal.

%tensorboard --logdir logs

Résultat d'exécution

Vous pouvez afficher le TesorBoard dans votre ordinateur portable comme suit:

Il semble que cela prenne beaucoup de temps à afficher à l'heure actuelle, mais j'ai pu afficher TensorBoard sur le portable.