Tensorboard + Keras + ML 引擎答案

【问题标题】：Tensorboard + Keras + ML EngineTensorboard + Keras + ML 引擎
【发布时间】：2017-12-18 20:30:13
【问题描述】：

我目前设置了 Google Cloud ML Engine 来训练在 Keras 中创建的模型。使用 Keras 时，ML Engine 似乎不会自动将日志保存到存储桶中。我在 ML Engine Jobs 页面中看到了日志，但它们没有显示在我的存储桶中，因此我无法在训练时运行 tensorboard。

可以看到作业成功完成并产生日志：

然后我的存储桶中没有保存日志：

我在设置环境时遵循了本教程：(http://liufuyang.github.io/2017/04/02/just-another-tensorflow-beginner-guide-4.html)

那么，在 ML Engine 上训练 Keras 模型时，如何获取日志并运行 tensorboard？有其他人在这方面取得成功吗？

【问题讨论】：

标签： keras tensorboard google-cloud-ml-engine

【解决方案1】：

您需要创建一个回调 keras.callbacks.TensorBoard(..) 才能写出日志。见Tensorboad callback。您也可以将 GCS 路径 (gs://path/to/my/logs) 提供给回调的 log_dir 参数，然后将 Tensorboard 指向该位置。您将在调用 model.fit_generator(...) 或 model.fit(...) 时将回调添加为列表。

tb_logs = callbacks.TensorBoard(
            log_dir='gs://path/to/logs',
            histogram_freq=0,
            write_graph=True,
            embeddings_freq=0)

model.fit_generator(..., callbacks=[tb_logs])

【讨论】：

太棒了！那完全奏效了。我正在使用 Tensorboard 回调，但没有意识到我可以在其中放置 GCS 路径。