Skip to main content

使用Matplotlib的Keras - Jupyter Notebook

jupyter.ipynb 示例 展示了 ClearML 在使用 Keras 和 Matplotlib 的 Jupyter Notebook 中自动记录代码的功能。

该示例执行以下操作：

  1. 在Keras内置的MNIST数据集上训练一个简单的深度神经网络。

  2. 使用分类交叉熵损失目标函数构建一个顺序模型。

  3. 指定准确率作为指标，并使用两个回调函数：一个TensorBoard回调和一个模型检查点回调。

  4. 在脚本执行期间，在examples项目中创建一个名为notebook example的实验。

标量​

损失和准确度指标的标量图出现在SCALARS中，同时还有资源利用率图，标题为:monitor: machine。

image

图表​

该示例调用Matplotlib方法来创建几个示例图，并调用TensorBoard方法来绘制层密度的直方图。 它们出现在PLOTS中。

image

image

调试示例​

该示例调用Matplotlib方法来记录调试样本图像。它们出现在DEBUG SAMPLES中。

image

超参数​

ClearML 自动记录 TensorFlow 定义。通过调用 Task.connect()，将参数字典连接到任务来记录。

task_params = {'num_scatter_samples': 60, 'sin_max_value': 20, 'sin_steps': 30}
task_params = task.connect(task_params)

在Jupyter Notebook的后续部分，更多参数被添加到字典中。

task_params['batch_size'] = 128
task_params['nb_classes'] = 10
task_params['nb_epoch'] = 6
task_params['hidden_dim'] = 512

参数字典出现在配置 > 超参数 > 常规中。

image

TensorFlow 定义出现在 TF_DEFINE 小节中。

image

控制台​

训练时打印到控制台的文本显示在控制台中。

image

工件​

实验创建的模型会出现在实验的ARTIFACTS标签中。ClearML 会自动记录和跟踪使用 Keras 创建的模型。

实验信息面板显示模型跟踪，包括模型名称和设计在ARTIFACTS > Output Model中。

image

点击模型名称将带您到模型的页面，在那里您可以查看模型的详细信息并访问模型。

image