Тензорная доска - не удается подключиться из Google Cloud Instance

Question

Я пытаюсь загрузить Tensorboard из моего виртуального терминала Google Cloud.

tensorboard --logdir logs --port 6006

Обслуживание TensorBoard на localhost; чтобы выставить в сеть, используйте прокси или пройдите --bind_all TensorBoard 2.2.1 на http://localhost: 6006 / (нажмите CTRL + C, чтобы выйти)

Когда Я нажимаю на ссылку:

Chrome Я получаю error 400

Firefox Error: Could not connect to Cloud Shell on port 6006. Ensure your server is listening on port 6006 and try again.

Я добавил новое правило брандмауэра, чтобы разрешить порт 6006 для ip 0.0.0.0/0, но все еще не может заставить это работать. Я тоже пытался использовать --bind_all, но это не работает.

Answer 1

С Обучение модели Keras на GPU Google Cloud ML :

... Чтобы обучить эту модель сейчас на движке Google Cloud ML, выполните следующую команду на облачном терминале SDK

gcloud ml-engine jobs submit training JOB1 
  --module-name=trainer.cnn_with_keras 
  --package-path=./trainer 
  --job-dir=gs://keras-on-cloud
  --region=us-central1 
  --config=trainer/cloudml-gpu.yaml

После того, как вы начали тренировку, вы можете просматривать логи с консоли Google. Обучение займет около 5 минут, и журналы должны выглядеть примерно так. Также вы сможете просматривать журналы тензорной доски в корзине, которую мы создали ранее под названием «keras-on-cloud»

Для визуализации обучения и изменений графически откройте оболочку облака с помощью нажав на значок в правом верхнем углу для того же. После запуска введите следующую команду, чтобы запустить Tensorboard на порту 8080.

tensorboard --logdir=gs://keras-on-cloud --port=8080

Answer 2

Для всех, кто боролся с этим, я решил вывести свои журналы в корзину S3, а затем вместо того, чтобы пытаться запустить тензорную панель из экземпляра GCP, я просто запустил ее локально, протестировав с помощью приведенного ниже сценария.

Мне нужно было поместить это в скрипт, а не вызывать напрямую из командной строки, так как мне нужно было загрузить свои учетные данные AWS. Затем я использую subprocess для запуска функции командной строки как обычно.

Учетные данные, содержащиеся в файле env, найдены с использованием python-dotenv

from dotenv import find_dotenv, load_dotenv
import subprocess
load_dotenv(find_dotenv())


if __name__=='__main__':
    cmd = 'tensorboard --logdir s3://path-to-s3-bucket/Logs/'
    p = subprocess.Popen(cmd, shell=True)
    p.wait()



Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.1.1 at http://localhost:6006/ (Press CTRL+C to quit)

Answer 3

Суммирование из Cloud TPU - Настройка TensorBoard :

1. Настройка облачного TPU.
2. Установка профилировщика Cloud TPU.
3. Запустите Tensorboard в новой облачной оболочке, а не в оболочке, в которой выполняется обучающее приложение.
4. Во второй облачной оболочке создайте переменные среды для своего хранилища Cloud Storage и каталога модели. Переменная каталога модели (MODEL_DIR) содержит имя каталога GCP, в котором хранятся контрольные точки, сводки и выходные данные TensorBoard во время обучения модели. Например, MODEL_DIR = $ {STORAGE_BUCKET} /model.

5. Во второй облачной оболочке выполните следующую команду TensorBoard:

   (vm) $ тензорная доска --logdir = $ {MODEL_DIR} &

6. На панели в верхней правой части Cloud Shell нажмите кнопку предварительного просмотра в Интернете и откройте порт 8080, чтобы просмотреть выходные данные TensorBoard , Пользовательский интерфейс TensorBoard появится в виде вкладки в вашем браузере.