Question

当我通过datalab启动tensorboard时，它使用的Google语法为here。本文档仅提及开始，停止和列出。但是，有一个调试器窗格，我无法使用。

This文档介绍了如何将tensorboard调试器与tf.estimator一起使用，但是它使用了不同的语法。

是否有某种方式将两者融合在一起，以便调试器可与datalab一起使用？

Answer 1

我认为您不能在datalab中运行tfdbg。您可以使用以下guide来获取代码并在控制台上运行它：

我正在使用使用model.py和task.py的datalab笔记本。我的代码最初是在此file之后建模的。

按照上述指南中的说明对model.py代码进行此更改。

from tensorflow.python import debug as tf_debug
# for debugging
hooks = [tf_debug.LocalCLIDebugHook()]

然后在train_and_evaluate(args)例程中添加对EvalSpec()调用的参数列表中的钩子的引用。像这样：

    # .. also need an EvalSpec which controls the evaluation and
    # the checkpointing of the model since they happen at the same time
    eval_spec = tf.estimator.EvalSpec(
        input_fn = read_dataset(
            args['eval_data_paths'],
            batch_size = 10000,  # original 10000
            mode = tf.estimator.ModeKeys.EVAL),
        steps=None, # evals on 100 batches
        start_delay_secs = args['eval_delay_secs'], # start evaluating after N secoonds. 
        throttle_secs = args['min_eval_frequency'], # eval no more than every N seconds.
        exporters = exporter,# how to export the model for production.
        hooks = hooks) # for the debugger

然后使用您首选的虚拟python环境，执行以下操作：（我正在使用anaconda）

使用anaconda打开python 2.7环境
```
$ . ~/bin/setenv-anaconda2.sh
```
激活tensorflow python2.7 anaconda环境
```
$ conda activate tensorflow
```

获取gcloud环境

$ . ~/progs/datalab-notebooks/bin/setenv_google.sh

对于此模型，设置python路径以查找模块

cd ~/progs/datalab-notebooks/tf-debug
export PYTHONPATH=${PYTHONPATH}:${PWD}/taxisimple

然后进行训练：--train_steps = 1000。似乎是最大步数。

python -m trainer.task \
   --train_data_paths="${PWD}/taxi-train*" \
   --eval_data_paths=${PWD}/taxi-valid.csv  \
   --output_dir=${PWD}/taxi_trained \
   --train_steps=1000 --job-dir=./tmp

这将给您一个tftdbg提示。在这里，您可以使用tfdbg探索模型。

如何将tensorboard调试器与Datalab一起使用，该工具在Google Cloud Platform上使用tf.estimator

1 个答案: