쉬운 3분 TensorBoard in Google Colab (TensorFlow 2.x 사용)

TensorFlow를 사용할 때 학습 상태를 시각화하는 TensorBoard가 자주 사용됩니다.
웹 화면에서 대화식으로 상태를 볼 수 있어 매우 편리하지만 Google Colaboratory 내에서 찾아보려면 약간의 장치가 필요했습니다.
TensorFlow 2.x에서는 Google Colab.에서 쉽게 사용할 수 있습니다.

2020-12-06 추가 PyTorch에서도 TensorBoard를 사용할 수 있습니다.
PyTorch에서도 TensorBoard in Google Colab

실행 환경

Google Colaboratory를 사용합니다.

샘플 코드

Google Colab에서 TensorBoard를 사용하는 방법은 TensorFlow 공식 페이지에서 설명합니다.
htps //w w. 천식 rfぉw. 오 rg / 텐소 r 보아 rd / 텐소 r 보아 rd _ _ _ taboo ks

TensorFlow 2.x를 사용하여 매직 명령을 실행합니다.

from __future__ import absolute_import, division, print_function, unicode_literals

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

그런 다음 TensorBoard를 읽는 매직 명령을 실행합니다.

# Load the TensorBoard notebook extension
%load_ext tensorboard

MNIST (샘플로 자주 사용되는 숫자 이미지 데이터)를 사용하여 간단한 모델을 만듭니다. keras는 매우 간단합니다.

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'])

TensorBoard에 대한 콜백 함수를 model.fit() 에 제공합니다.
이 근처는 통상의 TensorBoard 의 사용법과 같습니다.

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)

로그를 저장할 위치를 지정하여 TensorBoard를 표시합니다.

%tensorboard --logdir logs

실행 결과

다음과 같이 노트북에서 TesorBoard를 볼 수 있습니다.



현재는 표시에 시간이 걸리는 것 같습니다만, TensorBoard 를 노트북상에 표시할 수 있었습니다.