Tensorflow 组件为用户提供了基于 Python API 的 Tensorflow 运行环境，用户可将编写好的脚本及依赖文件上传至组件进行算法训练

版本说明

Tensorflow 组件中使用的 Python 版本和支持的第三方模块版本信息如下：

  • Python 2.7.12
  • SciPy 1.0.0
  • NumPy 1.14.0

如果您需要使用其他第三方的 lib，可使用 pip 在代码内安装，示例如下：

  1. import pip
  2. pip.main(['install', "package_name"])

操作步骤

  • 添加组件从左侧菜单栏中，选择【组件】>【深度学习】列表下的 Tensorflow 节点，并将其拖拽至画布中。

  • 配置参数

    • 脚本及依赖包文件上传 ：将任务脚本上传至 程序脚本 框。如果需要依赖文件，则压缩为zip文件后通过 依赖包文件 框上传。4.2.3. Tensorflow组件 - 图1
    • 程序依赖：指定位于 COS 中的用户依赖文件路径，指定内容将被拷贝到程序脚本同一级目录下。支持目录或者文件依赖，若存在多个文件则以英文逗号分隔 。
    • 程序参数：指定运行任务脚本的参数。
    • TensorBoard 目录 :指定 Tensorboard 保存路径。
    • Python 版本：指定 Tensorflow 运行的 Python 版本，支持 Python 2.7 和 Python 3.5 两个版本。4.2.3. Tensorflow组件 - 图2
  • 配置资源在【资源参数】列表框配置任务的资源参数。 4.2.3. Tensorflow组件 - 图3
  • 运行单击【保存】并运行工作流。
  • 查看 Tensorflow 控制台和日志在 Tensorflow 节点上单击右键菜单，可查看任务状态和详细日志。 详细日志如下：

4.2.3. Tensorflow组件 - 图4

stdout.log 为全部日志，stderr.log 为错误日志。

查看 Tensorboard 组件处于“运行中”状态时，您可以右键单击任务栏，通过【Tesnorflow 控制台】>【Tensorboard】查看 Tensorboard 信息。 4.2.3. Tensorflow组件 - 图5