View a markdown version of this page

Analysieren Sie Daten mit der Debugger-Python-Clientbibliothek - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Analysieren Sie Daten mit der Debugger-Python-Clientbibliothek

Anmerkung

Hinweis zum Ende des Supports: Am 30. Juni 2027 AWS wird der Support für Amazon SageMaker Profiler eingestellt. Nach dem 30. Juni 2027 können Sie nicht mehr auf die Profiler-Konsole oder die Profiler-Ressourcen zugreifen. Weitere Informationen finden Sie unter Änderung der Profiler-Verfügbarkeit.

Während Ihr Trainingsjob läuft oder nachdem er abgeschlossen ist, können Sie mithilfe des Amazon SageMaker Python SDK und der smDebug-Clientbibliothek auf die vom Debugger gesammelten Trainingsdaten zugreifen. https://github.com/awslabs/sagemaker-debugger/ Die Debugger-Python-Client-Bibliothek bietet Analyse- und Visualisierungstools, mit denen Sie die Daten Ihrer Trainingsaufträge detailliert untersuchen können.

Um die Bibliothek zu installieren und ihre Analysetools zu verwenden (in einem JupyterLab Notebook oder einem IPython-Kernel) 

! pip install -U smdebug

Die folgenden Themen führen Sie durch die Verwendung der Debugger-Python-Werkzeuge zur Visualisierung und Analyse der von Debugger erfassten Trainingsdaten.

Analysieren Sie System- und Framework-Metriken