初期設定

1. 認証情報の登録

まず認証情報の登録が必要になります。

右上のPROFILE → Create new credentials をクリック

すると、アクセスキーとシークレットキーが生成されます。

このアクセスキーとシークレットキーを後ほど使うため、Copy to clipboardをクリックしコピーしておきましょう。

Trainsのconfig設定はtrains-initコマンドを実行することで対話的に設定していきます。

このコマンドを使えるようにTrainsをインストールします。

pip install trains

trains-initを実行すると認証情報を聞かれるので、さきほどコピーしておいた認証情報をペーストします。

続いて、web, api, file hostのURLを聞かれるので入力していきます。

WEB Host configured to: http//localhost:8000
API Host configured to: http://localhost:8008
File Store Host configured to: http://localhost:8081

以上で設定は完了です。

~/trains.confに設定情報が保存されています。

デフォルトでは~/trains.confが読み込まれますが、環境変数TRAINS_CONFIG_FILEにパスを設定することで好きな場所からconfigを読み込めるようになります。

Trainsをインストールしてわずか２行の追加だけで使えちゃいます。

from trains import Task
task = Task.init(project_name="my project", task_name="my task")

これだけでtensorflowではtensorboardでのログ、モデルのsaveなどを自動でキャッチしてTrains Serverに保存していってくれます。

exampleに関しては

にあり、exampleのファイル名とダッシュボードのexampleとが一致しているため、ダッシュボードのデモを見てどんなことができるかを確認するといいと思います。

モデルやその他ファイルなどの保存先（ローカル、リモートストレージなど）を手動で設定することができます。

デフォルトではローカルに設定される（ダウンロードリンクがローカルパスとなる）ため、ダッシュボードからでは学習を実行した同一PC以外からはダウンロードできなくなります。そのためtrains file serverに設定することをオススメします。

task = Task.init(
    project_name="my project", 
    task_name="my task",
     output_uri="http://localhost:8081"
)

output_uriに保存先を指定します。

認証情報設定と簡単な使い方についてまとめました。

特にモデルの保存先設定はデフォルトではなくfile serverを指定するようオススメします。