Análisis y publicación de resultados del entrenamiento

Nuestra configuración de TensorBoard está lista, ahora solo debemos usarla con las herramientas de TensorFlow.

Usando TensorBoard

Usaremos los comandos mágicos de IPython para cargar TensorBoard. Una vez cargado, le indicaremos el directorio del que debe extraer los resultados para analizarlos.

```python %load_ext tensorboard

%tensorboard --logdir logs ```

Después de un tiempo se mostrará un board con toda la información del modelo, que además nos permitirá explorar su configuración, arquitectura y resultados.

Si quieres desplegar tus resultados a la web, tensorboard te ofrece el comando upload, donde le dará la dirección de los logs, el nombre del proyecto y la descripción. Después de una breve configuración y autentificación obtendrás un link al que cualquier persona podrá acceder para analizar los resultados de tu proyecto.

python !tensorboard dev upload --logdir ./logs --name "Proyecto prueba" --description "Test development results" --one_shot

Obtendrás una URL de acceso público para compartirla con otros devs.

Con esto puedes crear un portafolio de proyectos para mostrar a tus comunidades.

Contribución creada por Sebastián Franco Gómez.