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.
Tensor-Sammlungen mithilfe der CollectionConfig API konfigurieren
Anmerkung
Amazon SageMaker Debugger steht neuen Kunden nicht mehr offen. Bestehende Kunden können den Service weiterhin wie gewohnt nutzen. AWS investiert weiterhin in Sicherheits- und Verfügbarkeitsverbesserungen für Debugger, aber wir planen nicht, neue Funktionen einzuführen. Weitere Informationen finden Sie unter Änderung der Debugger-Verfügbarkeit.
Verwenden Sie den CollectionConfig API-Vorgang, um Tensorsammlungen zu konfigurieren. Der Debugger bietet vorgefertigte Tensorsammlungen, die eine Vielzahl regulärer Ausdrücke (Regex) von Parametern abdecken, wenn Debugger-supported Deep-Learning-Frameworks und Algorithmen für maschinelles Lernen verwendet werden. Fügen Sie, wie im folgenden Beispielcode gezeigt, die integrierten Tensorsammlungen hinzu, die Sie debuggen möchten.
from sagemaker.core.debugger import CollectionConfig collection_configs=[ CollectionConfig(name="weights"), CollectionConfig(name="gradients") ]
Die vorherigen Sammlungen haben den Debugger-Hook so eingerichtet, dass er die Tensoren alle 500 Schritte basierend auf dem "save_interval" Standardwert speichert.
Eine vollständige Liste der verfügbaren integrierten Debugger-Sammlungen finden Sie unter Debugger-Sammlungen. Built-in
Wenn Sie die integrierten Sammlungen anpassen möchten, z. B. die Speicherintervalle und den Tensor-Regex ändern möchten, verwenden Sie die folgende CollectionConfig Vorlage, um die Parameter anzupassen.
from sagemaker.core.debugger import CollectionConfig collection_configs=[ CollectionConfig( name="tensor_collection", parameters={ "key_1": "value_1", "key_2": "value_2", ... "key_n": "value_n" } ) ]
Weitere Informationen zu verfügbaren Parameterschlüsseln finden Sie CollectionConfig
from sagemaker.core.debugger import CollectionConfig collection_configs=[ CollectionConfig( name="losses", parameters={ "train.save_interval": "100", "eval.save_interval": "10" } ) ]
Tipp
Dieses Konfigurationsobjekt für die Tensorsammlung kann sowohl DebuggerHookConfig für API-Operationen als auch für Rule verwendet werden.