张力板+；Keras+；ML引擎

我目前已经设置了Google Cloud ML引擎来训练在Keras中创建的模型。使用Keras时，ML引擎似乎不会自动将日志保存到存储桶中。我在ML引擎作业页面中看到了日志，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

您可以看到作业已成功完成并生成日志：

但是我的存储桶中没有保存任何日志：

我在设置环境时遵循了本教程：（）

---

那么，在ML引擎上训练Keras模型时，如何获取日志并运行tensorboard？是否有其他人成功完成了此操作？

您需要创建一个回调keras.callbacks.TensorBoard（..）以写出日志。看见您还可以向回调的log_dir参数提供GCS路径（gs://path/to/my/logs），然后将Tensorboard指向该位置。调用model.fit_生成器（…）或model.fit（…）时，您将以列表的形式添加回调

---

令人惊叹的！这完全奏效了。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。

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])