Platform For AI:Visualisasi TensorBoard

Prasyarat

Sebelum memulai, pastikan persyaratan berikut terpenuhi:

• Pekerjaan pelatihan DLC dengan setidaknya satu dataset yang dimount (verifikasi pada tab Overview). Jenis penyimpanan yang didukung: Object Storage Service (OSS) dan Apsara File Storage NAS.

• SummaryWriter TensorFlow telah diintegrasikan ke dalam skrip pelatihan untuk menulis log ke direktori dalam dataset yang dimount.

Tulis log pelatihan

Tambahkan SummaryWriter ke skrip pelatihan Anda untuk menulis log ke path di dalam dataset yang dimount. Tutup writer setelah pelatihan selesai agar seluruh data log tersimpan.

Contoh:

• Titik akhir dataset OSS: oss://your-bucket-name.oss-region-internal.aliyuncs.com/dlc-training-data/

• Path mount dataset di dalam kontainer: /mnt/data/

• Direktori output log: /mnt/data/output/runs

import tensorflow as tf

# Inisialisasi SummaryWriter dengan direktori logging
log_dir = "/mnt/data/output/runs"
writer = tf.summary.create_file_writer(log_dir)

# Loop pelatihan dengan pencatatan metrik
for epoch in range(num_epochs):
    train_loss = calculate_loss()
    train_accuracy = calculate_accuracy()

    with writer.as_default():
        # Catat metrik skalar
        tf.summary.scalar("train_loss", train_loss, step=epoch)
        tf.summary.scalar("train_accuracy", train_accuracy, step=epoch)

        # Catat histogram dan gambar setiap 10 epoch
        if epoch % 10 == 0:
            tf.summary.histogram("model_weights", model.weights, step=epoch)
            tf.summary.image("prediction_samples", sample_predictions, step=epoch)

# Tutup writer agar semua log tersimpan
writer.close()
print(f'Pelatihan berhasil diselesaikan. Log disimpan ke: {log_dir}')

Path SummaryWriter (/mnt/data/output/runs) adalah Summary Path yang ditentukan saat membuat instans TensorBoard.

Buat instans TensorBoard

1. Masuk ke Konsol PAI. Pilih Wilayah di bilah navigasi atas, lalu pilih ruang kerja. Klik Enter Deep Learning Containers (DLC).

2. Pada kolom Actions pekerjaan target, klik TensorBoard. Di panel tersebut, klik Create TensorBoard.

3. Pada halaman Create TensorBoard, konfigurasikan parameter, lalu klik OK.

Lihat laporan TensorBoard

1. Di panel navigasi kiri halaman ruang kerja, pilih AI Computing Asset Management > Job.

2. Pada tab TensorBoard, periksa kolom Status. Saat statusnya Running, klik View TensorBoard di kolom Actions.

Halaman TensorBoard menampilkan metrik pelatihan dan data yang dicatat, seperti tren skalar, histogram, dan gambar.

Manage instans TensorBoard

1. Masuk ke Konsol PAI. Pilih wilayah di bilah navigasi atas dan pilih ruang kerja. Klik Enter Jobs.

2. Pada tab TensorBoard, lakukan salah satu operasi berikut:

Pemecahan masalah

Praktik terbaik

• Mulai dengan 2 hingga 4 vCPU dan 4 hingga 8 GiB memori untuk beban kerja umum.

• Atur log berdasarkan jenis eksperimen dan stempel waktu (misalnya, /mnt/data/output/runs/experiment_type/date_time/).

• Bersihkan log pelatihan usang secara berkala untuk mengurangi biaya penyimpanan dan meningkatkan performa.

• Gunakan penugasan peran RAM untuk membatasi akses instans TensorBoard hanya kepada anggota tim yang berwenang.

Referensi

• Buat dan kelola instans TensorBoard: Buat instans TensorBoard dari halaman AI Computing Asset Management > Job.