跳到主要内容

Keras 与 Matplotlib - Jupyter Notebook

jupyter.ipynb 示例演示了 ClearML 如何自动记录在 Jupyter Notebook 中运行的使用 Keras 和 Matplotlib 的代码。

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：一个 TensorBoard 回调和一个模型检查点回调。

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

标量​

损失和准确率指标的标量图会出现在 SCALARS 中，以及资源利用率图（标题为 :monitor: machine）。

Scalars Scalars

图表​

该示例调用 Matplotlib 方法创建了一些示例图表，并调用 TensorBoard 方法绘制层密度的直方图。它们会出现在 PLOTS 中。

Plots 1 Plots 1

Plots 2 Plots 2

调试样本​

该示例调用 Matplotlib 方法记录调试样本图像。它们会出现在 DEBUG SAMPLES 中。

Debug Samples Debug Samples

超参数​

ClearML 会自动记录 TensorFlow 定义。通过调用 Task.connect() 将参数字典连接到 Task 来进行记录。

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

稍后在 Jupyter Notebook 中，更多参数会被添加到字典中。

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

参数字典会出现在 CONFIGURATION > HYPERPARAMETERS > General 中。

General Hyperparameters General Hyperparameters

TensorFlow 定义会出现在 TF_DEFINE 子部分中。

TF Define TF Define

控制台​

训练时打印到控制台的文本会出现在 CONSOLE 中。

Console Log Console Log

工件​

任务创建的模型会出现在任务的 ARTIFACTS 选项卡中。ClearML 会自动记录和跟踪使用 Keras 创建的模型。

任务信息面板会显示模型跟踪信息，包括模型名称和设计，位于 ARTIFACTS > Output Model 中。

Artifacts Artifacts

点击模型名称会跳转到该模型的页面，您可以在该页面查看模型的详细信息并访问模型。

Model details Model details