View a markdown version of this page

TensorBoard in Amazon SageMaker AI - Amazon SageMaker KI
Unterstützte Frameworks und AWS-Regionen

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.

TensorBoard in Amazon SageMaker AI

Amazon SageMaker AI with TensorBoard ist eine Funktion von Amazon SageMaker AI, die die TensorBoard Visualisierungstools in SageMaker KI integriert und in SageMaker Training und Domain integriert. Es bietet Optionen zur Verwaltung Ihres AWS Kontos und der Benutzer, die zu dem Konto gehören, über die SageMaker AI-Domain, um den Domain-Benutzern Zugriff auf die TensorBoard Daten mit den entsprechenden Berechtigungen für Amazon S3 zu gewähren und den Domänenbenutzern zu helfen, Model-Debugging-Aufgaben mithilfe der TensorBoard Visualisierungs-Plugins durchzuführen. SageMaker AI with TensorBoard wird um das SageMaker AI Data Manager-Plugin erweitert, mit dem Domain-Benutzer an einer Stelle innerhalb der Anwendung auf eine Reihe von Trainingsjobs zugreifen können. TensorBoard

Anmerkung

Diese Funktion dient zum Debuggen des Trainings von Deep-Learning-Modellen mithilfe von PyTorch oder TensorFlow.

Für Datenwissenschaftler

Das Training großer Modelle kann zu wissenschaftlichen Problemen führen, bei denen Datenwissenschaftler sie debuggen und lösen müssen, um die Modellkonvergenz zu verbessern und Gradientenabstiegsprozesse zu stabilisieren.

Wenn Sie auf Probleme beim Modelltraining stoßen, wie z. B. Verlust statt Konvergenz oder verschwindende oder explodierende Gewichte und Gradienten, müssen Sie auf Tensordaten zugreifen, um die Modellparameter, Skalare und alle benutzerdefinierten Metriken eingehend zu analysieren. Mithilfe von SageMaker KI mit können Sie Modellausgabetensoren visualisieren TensorBoard, die aus Trainingsjobs extrahiert wurden. Wenn Sie mit verschiedenen Modellen, mehreren Trainingsläufen und Modellhyperparametern experimentieren, können Sie mehrere Trainingsjobs auswählen TensorBoard und an einer Stelle vergleichen.

Für Administratoren

Über die TensorBoard Landingpage in der SageMaker AI-Konsole oder SageMaker AI-Domain können Sie TensorBoard Anwendungsbenutzer verwalten, wenn Sie Administrator eines AWS Kontos oder einer SageMaker AI-Domain sind. Jeder Domänenbenutzer kann mit den erteilten Berechtigungen auf seine eigene TensorBoard Anwendung zugreifen. Als SageMaker AI-Domänenadministrator und Domänenbenutzer können Sie die TensorBoard Anwendung erstellen und löschen, sofern Sie über die entsprechende Berechtigungsstufe verfügen.

Anmerkung

Sie können die TensorBoard Anwendung nicht für Zwecke der Zusammenarbeit teilen, da die SageMaker AI-Domäne die gemeinsame Nutzung von Anwendungen durch Benutzer nicht zulässt. Benutzer können die in einem S3-Bucket gespeicherten Ausgabetensoren gemeinsam nutzen, wenn sie Zugriff auf den Bucket haben.

Unterstützte Frameworks und AWS-Regionen

Die TensorBoard Anwendung in SageMaker AI ist für die folgenden Frameworks für maschinelles Lernen verfügbar und AWS-Regionen.

Frameworks

  • PyTorch

  • TensorFlow

  • Transformers mit Hugging Face

AWS-Regionen

  • USA Ost (Nord-Virginia) (us-east-1)

  • USA Ost (Ohio) (us-east-2)

  • USA West (Oregon) (us-west-2)

  • Europa (Frankfurt) (eu-central-1)

  • Europa (Irland) (eu-west-1)

Anmerkung

Amazon SageMaker AI with TensorBoard wird auf einer ml.r5.large Instance ausgeführt und nach Ablauf des kostenlosen SageMaker AI-Kontingents oder der kostenlosen Testphase der Funktion fallen Gebühren an. Weitere Informationen finden Sie unter Amazon SageMaker AI Pricing.

Themen