Установка аргумента profile_batch в обратном вызове TensorBoard - PullRequest
Новая
       4

Установка аргумента profile_batch в обратном вызове TensorBoard

1 голос
/ 01 апреля 2020

Я изучаю TensorFlow Profiler с помощью обратного вызова Keras TensorBoard. Я пробовал несколько разных значений диапазона для аргумента profile_batch, но Profiler, похоже, показывает только следующее:

enter image description here

enter image description here

Вот Суть , чтобы воспроизвести это. Я ценю любую помощь.

Редактировать :

Я должен был предоставить эту информацию, что в Google Colab она отлично работает после удаления TensorBoard 2.1.1, установки tb-nightly и плагина TensorFlow Profiler. , Но на ноутбуке, запущенном на облачном провайдере, он может не работать без правильной настройки драйверов CUDA (в частности, CUPTI). Qiumin из команды TensorFlow Profiler помог мне в этой ветке обсуждения .

1 Ответ

0 голосов
/ 09 апреля 2020

Я выполнил код в Google Colab , используя код, включающий вашу Суть и следовал Документации Tensorflow Profiler в этом ссылка .

Вам следует проверить TensorFlow , Tensorboard и TensorFlow Profiler * версии 1018 *.

Запустить этот фрагмент, как указано в Документация для обеспечения последних версий. 

# Uninstall twice to uninstall both the 1.15.0 and 2.1.0 version of TensorFlow and TensorBoard. 
!pip uninstall -y -q tensorflow tensorboard
!pip uninstall -y -q tensorflow tensorboard
!pip install -U -q tf-nightly tb-nightly tensorboard_plugin_profile

Когда вы запустите Tensorboard и по-прежнему не видите вкладку Profile , вы можете выполнить этот фрагмент, а затем перезапустить Тензорная доска (убивает процесс). 

!pip install -U tensorboard_plugin_profile

Вот несколько фрагментов кода, которые я добавил.

На основе документации. 

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from datetime import datetime
from packaging import version

import os

# Imports
from tensorflow.keras.applications import MobileNetV2
from tensorflow.keras.layers import *
from tensorflow.keras.models import *

import matplotlib.pyplot as plt
%matplotlib inline


import tensorflow as tf
print(tf.__version__)    # This should return 2.2.0-dev20200408 (as of date ) or higher

Проверьте, Доступен графический процессор. 

device_name = tf.test.gpu_device_name()
if not device_name:
  raise SystemError('GPU device not found')
print('Found GPU at: {}'.format(device_name))

Используется для запуска Tensorboard. 

# Launch TensorBoard and navigate to the Profile tab to view performance profile
%tensorboard --logdir=logs

При успешном выполнении он должен отображаться рядом с изображением ниже. (Примечание: уменьшено количество эпох до 5 для более быстрой тренировки)

tensorprofiler

Надеюсь, это поможет вам.
При необходимости я мог бы редактировать и предоставьте полный код Google Colab Notebook .

...