我正在尝试在 Google 的 Cloud ML 上运行训练作业。我的工作运行的迹象是:
- 诸如此类的消息表明软件包已构建并安装:
INFO 2017-06-07 15:14:01 -0700 master-replica-0 Successfully built training-job-foo
INFO 2017-06-07 15:14:01 -0700 master-replica-0 Installing collected packages: training-job-foo
INFO 2017-06-07 15:14:01 -0700 master-replica-0 Successfully installed training-job-foo-0.1.dev0
INFO 2017-06-07 15:14:01 -0700 master-replica-0 Running command: pip install --user training-job-foo-0.1.dev0.tar.gz
INFO 2017-06-07 15:14:02 -0700 master-replica-0 Processing ./training-job-foo-0.1.dev0.tar.gz
- 类似这样的消息表明我的工作即将开始:
INFO 2017-06-07 15:14:03 -0700 master-replica-0 Running command: python -m training-job-foo.training_routine_bar --job-dir gs://regional-bucket-similar-to-training-job/output/
- 类似这样的消息,表明我的标量摘要正在处理中:
INFO 2017-06-07 15:14:21 -0700 master-replica-0 Summary name Total Accuracy is illegal; using Total_Accuracy instead.
最后,我还看到 CPU、内存使用量增加以及我消耗的MLUnits 增加
我应该补充一点,我还看到摘要文件编写器在创建作业之前创建摘要文件,但我没有看到这些文件的大小增加。我还看到写入 gs://regional-bucket-similar-to-training-job/output/的初始检查点文件
除此之外,我没有看到更多的日志或输出。我应该看到日志,因为我经常打印准确性和丢失情况。我还编写摘要和检查点文件。
我错过了什么?
在这种情况下还有哪些其他调试工具可用?我当前所做的就是流式传输日志,在 Cloud ML 控制台上查看作业状态、CPU 使用情况、内存使用情况,并查看我的 Cloud Storage 存储桶是否有任何更改
最佳答案
很抱歉您遇到问题。目前,可用的调试工具是作业日志、指标和 TensorBoard,但似乎所有这些都不能在您的情况下使用。 如果可以的话,能否将您的项目编号和职位 ID 发送至 cloudml-feedback@google.com,以便我们仔细查看?
关于machine-learning - Google Cloud ML 训练作业没有日志、没有输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44423753/