Я хочу получить доступ к файлу tfevent, созданному во время обучения и хранящемуся в журналах в службе Azure ML. К этому файлу tfevent можно получить доступ и правильно отобразить на обычной тензорной плате, поэтому файл не поврежден, но когда я использую библиотеку тензорной доски Azure ML для доступа к нему, либо на локальной тензорной плате ничего не отображается, либо в соединении отказывается.
Сначала я зарегистрировал его в ./logs/tensorboard, как в Azure ML ./logs/azureml, но тензорная доска, запущенная модулем Azure ML, сообщает, что в браузере нет файла, который можно было бы показать, как это показано ниже.
No dashboards are active for the current data set.
Probable causes:
You haven’t written any data to your event files.
TensorBoard can’t find your event files.
If you’re new to using TensorBoard, and want to find out how to add data and set up your event files, check out the README and perhaps the TensorBoard tutorial.
If you think TensorBoard is configured properly, please see the section of the README devoted to missing data problems and consider filing an issue on GitHub.
Last reload: Wed Aug 21 2019 *****
Data location: /tmp/tmpkfj7gswu
Поэтому я подумал, что сохраненное местоположение не будет распознано AML, и я изменил место сохранения на ./logs, после чего браузер показывает, что «Этот сайт недоступен. ****** отказано в подключении».
Моя версия пакета SDK для Azure ML Python - 1.0.57.
1) Как это исправить?
2) Где мне сохранить файл tfevent, чтобы AML его распознал? Я не смог найти здесь никакой информации об этом в документации. https://docs.microsoft.com/en-us/python/api/azureml-tensorboard/azureml.tensorboard.tensorboard?view=azure-ml-py
Вот как я запускаю тензорную доску через Azure ML.
if __name__ == "__main__":
parser = argparse.ArgumentParser(
description=f'This script is to lanuch TensorBoard with '
f'accessing run history from machine learning '
f'experiments that output Tensorboard logs')
parser.add_argument('--experiment-name',
dest='experiment_name',
type=str,
help='experiment name in Azure ML')
parser.add_argument('--run-id',
dest='run_id',
type=str,
help='The filename of merged json file.')
args = parser.parse_args()
logger = get_logger(__name__)
logger.info(f'SDK Version: {VERSION}')
workspace = get_workspace()
experiment_name = args.experiment_name
run_id = args.run_id
experiment = get_experiment(experiment_name, workspace, logger)
run = get_run(experiment, run_id)
# The Tensorboard constructor takes an array of runs, so pass it in as a single-element array here
tb = Tensorboard([run])
# If successful, start() returns a string with the URI of the instance.
url = tb.start()
print(url)
