Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Gunakan TensorBoard di Amazon SageMaker Studio Classic
<a name="studio-tensorboard"></a>

**penting**  
Per 30 November 2023, pengalaman Amazon SageMaker Studio sebelumnya sekarang bernama Amazon SageMaker Studio Classic. Bagian berikut khusus untuk menggunakan aplikasi Studio Classic. Untuk informasi tentang menggunakan pengalaman Studio yang diperbarui, lihat[SageMaker Studio Amazon](studio-updated.md).  
Studio Classic masih dipertahankan untuk beban kerja yang ada tetapi tidak lagi tersedia untuk orientasi. Anda hanya dapat menghentikan atau menghapus aplikasi Studio Classic yang ada dan tidak dapat membuat yang baru. Kami menyarankan Anda [memigrasikan beban kerja Anda ke pengalaman Studio yang baru](studio-updated-migrate.md).

 Dokumen berikut menguraikan cara menginstal dan menjalankan TensorBoard di Amazon SageMaker Studio Classic. 

**catatan**  
Panduan ini menunjukkan cara membuka TensorBoard aplikasi melalui server notebook SageMaker Studio Classic dari profil pengguna domain SageMaker AI individu. Untuk TensorBoard pengalaman yang lebih komprehensif yang terintegrasi dengan SageMaker Pelatihan dan fungsionalitas kontrol akses domain SageMaker AI, lihat[TensorBoard di Amazon SageMaker AI](tensorboard-on-sagemaker.md).

## Prasyarat
<a name="studio-tensorboard-prereq"></a>

Tutorial ini membutuhkan domain SageMaker AI. Untuk informasi selengkapnya, lihat [Ikhtisar domain Amazon SageMaker AI](gs-studio-onboard.md)

## Mengatur `TensorBoardCallback`
<a name="studio-tensorboard-setup"></a>

1. Luncurkan Studio Classic, dan buka Launcher. Untuk informasi selengkapnya, lihat [Gunakan Amazon SageMaker Studio Classic Launcher](studio-launcher.md)

1. Di Amazon SageMaker Studio Classic Launcher, di bawah`Notebooks and compute resources`, pilih tombol **Ubah lingkungan**.

1. **Pada dialog **Ubah lingkungan**, gunakan menu tarik-turun untuk memilih `TensorFlow 2.6 Python 3.8 CPU Optimized` Studio Classic Image.**

1. Kembali ke Launcher, klik ubin **Buat notebook**. Notebook Anda diluncurkan dan terbuka di tab Studio Classic baru.

1. Jalankan kode ini dari dalam sel notebook Anda.

1. Impor paket yang diperlukan. 

   ```
   import os
   import datetime
   import tensorflow as tf
   ```

1. Buat model Keras.

   ```
   mnist = tf.keras.datasets.mnist
   
   (x_train, y_train),(x_test, y_test) = mnist.load_data()
   x_train, x_test = x_train / 255.0, x_test / 255.0
   
   def create_model():
     return tf.keras.models.Sequential([
       tf.keras.layers.Flatten(input_shape=(28, 28)),
       tf.keras.layers.Dense(512, activation='relu'),
       tf.keras.layers.Dropout(0.2),
       tf.keras.layers.Dense(10, activation='softmax')
     ])
   ```

1. Buat direktori untuk TensorBoard log Anda

   ```
   LOG_DIR = os.path.join(os.getcwd(), "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))
   ```

1. Jalankan pelatihan dengan TensorBoard.

   ```
   model = create_model()
   model.compile(optimizer='adam',
                 loss='sparse_categorical_crossentropy',
                 metrics=['accuracy'])
                 
                 
   tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=LOG_DIR, histogram_freq=1)
   
   model.fit(x=x_train,
             y=y_train,
             epochs=5,
             validation_data=(x_test, y_test),
             callbacks=[tensorboard_callback])
   ```

1. Hasilkan jalur EFS untuk TensorBoard log. Anda menggunakan jalur ini untuk mengatur log Anda dari terminal.

   ```
   EFS_PATH_LOG_DIR = "/".join(LOG_DIR.strip("/").split('/')[1:-1])
   print (EFS_PATH_LOG_DIR)
   ```

   Ambil `EFS_PATH_LOG_DIR`. Anda akan membutuhkannya di bagian TensorBoard instalasi.

## Instal TensorBoard
<a name="studio-tensorboard-install"></a>

1. Klik `Amazon SageMaker Studio Classic` tombol di sudut kiri atas Studio Classic untuk membuka Amazon SageMaker Studio Classic Launcher. Peluncur ini harus dibuka dari direktori root Anda. Untuk informasi selengkapnya, lihat [Gunakan Amazon SageMaker Studio Classic Launcher](studio-launcher.md)

1. Di Peluncur, di bawah`Utilities and files`, klik`System terminal`. 

1. Dari terminal, jalankan perintah berikut. Salin `EFS_PATH_LOG_DIR` dari notebook Jupyter. Anda harus menjalankan ini dari direktori `/home/sagemaker-user` root.

   ```
   pip install tensorboard
   tensorboard --logdir {{<EFS_PATH_LOG_DIR>}}
   ```

## Peluncuran TensorBoard
<a name="studio-tensorboard-launch"></a>

1. Untuk memulai TensorBoard, salin URL Studio Classic Anda dan ganti `lab?` dengan `proxy/6006/` sebagai berikut. Anda harus menyertakan `/` karakter trailing.

   ```
   https://{{<YOUR_URL>}}.studio.{{region}}.sagemaker.aws/jupyter/default/proxy/6006/
   ```

1. Arahkan ke URL untuk memeriksa hasil Anda.