Perfiles de trabajos de formación Cuadernos de ejemplo del depurador para analizar los parámetros del modelo

Cuadernos de ejemplo de depurador

SageMaker Los cuadernos de ejemplo de Debugger se encuentran en el repositorio aws/. amazon-sagemaker-examples Los cuadernos de ejemplo del depurador muestran casos de uso básicos y avanzados de trabajos de entrenamiento sobre depuración y creación de perfiles.

Le recomendamos que ejecute los cuadernos de ejemplo en SageMaker Studio o en una instancia de SageMaker Notebook, ya que la mayoría de los ejemplos están diseñados para tareas de formación en el SageMaker ecosistema, incluidos AmazonEC2, Amazon S3 y Amazon SageMaker PythonSDK.

Para clonar el repositorio de ejemplo en SageMaker Studio, siga las instrucciones de Amazon SageMaker Studio Tour.

Para encontrar los ejemplos en una instancia de SageMaker Notebook, sigue las instrucciones que aparecen en SageMaker Notebook Instance Example Notebooks.

importante

Para utilizar las nuevas funciones del Debugger, debe actualizar SageMaker Python SDK y la biblioteca SMDebug cliente. En su iPython núcleo, Jupyter Notebook o JupyterLab entorno, ejecute el siguiente código para instalar las últimas versiones de las bibliotecas y reiniciar el núcleo.


import sys
import IPython
!{sys.executable} -m pip install -U sagemaker smdebug
IPython.Application.instance().kernel.do_shutdown(True)

Libretas de ejemplo del depurador para crear perfiles de trabajos de formación

La siguiente lista muestra ejemplos de cuadernos del depurador que presentan la capacidad de adaptación del depurador para monitorizar y perfilar los trabajos de entrenamiento para varios modelos, conjuntos de datos y marcos de machine learning.

Título del cuaderno	Marcos	Modelo	Conjunto de datos	Descripción
Análisis de datos de creación de perfiles de Amazon SageMaker Debugger	TensorFlow	Keras 50 ResNet	Cifar-10	Este cuaderno ofrece una introducción al análisis interactivo de los datos perfilados capturados por SageMaker Debugger. Explore todas las funciones de las herramientas de análisis interactivo `SMDebug`.
Formación de perfiles sobre aprendizaje automático con Amazon SageMaker Debugger	TensorFlow	Red neuronal convolucional 1-D	IMDBconjunto de datos	Crea un perfil TensorFlow unidimensional CNN para el análisis de opiniones de IMDB los datos que consisten en reseñas de películas etiquetadas como positivas o negativas. Consulte la información del depurador de Studio y el informe de creación de perfiles del depurador.
TensorFlow ResNet Modelado de perfiles de entrenamiento con varios entornos de entrenamiento distribuidos	TensorFlow	ResNet50	Cifar-10	Ejecute trabajos de TensorFlow entrenamiento con varios ajustes de entrenamiento distribuidos, supervise la utilización de los recursos del sistema y elabore un perfil del rendimiento del modelo mediante Debugger.
Elaboración de perfiles PyTorch ResNet del modelo de entrenamiento con varios entornos de entrenamiento distribuidos	PyTorch	ResNet50	Cifar-10	Ejecute trabajos de PyTorch entrenamiento con varios ajustes de entrenamiento distribuidos, supervise la utilización de los recursos del sistema y elabore un perfil del rendimiento del modelo mediante Debugger.

Cuadernos de ejemplo del depurador para analizar los parámetros del modelo

La siguiente lista muestra ejemplos de cuadernos del depurador que presentan la capacidad de adaptación del depurador para realizar tareas de entrenamiento de depuración para diversos modelos, conjuntos de datos y marcos de machine learning.

Título del cuaderno	Marcos	Modelo	Conjunto de datos	Descripción
Amazon SageMaker Debugger: utilice una regla integrada	TensorFlow	Red neuronal convolucional	MNIST	Utilice las reglas integradas de Amazon SageMaker Debugger para depurar un TensorFlow modelo.
Amazon SageMaker Debugger - Tensorflow 2.1	TensorFlow	ResNet50	Cifar-10	Usa la configuración del enlace de Amazon SageMaker Debugger y las reglas integradas para depurar un modelo con el marco Tensorflow 2.1.
Visualización de los tensores de depuración del entrenamiento MXNet	MXNet	Red neuronal convolucional de Gluon	Moda MNIST	Ejecute un trabajo de entrenamiento y configure SageMaker Debugger para almacenar todos los tensores de este trabajo y, a continuación, visualice esos tensores en un cuaderno.
Habilite la formación puntual con Amazon SageMaker Debugger	MXNet	Red neuronal convolucional de Gluon	Moda MNIST	Descubra cómo el depurador recopila los datos tensoriales de un trabajo de entrenamiento en una instancia puntual y cómo utilizar las reglas integradas del depurador con el entrenamiento puntual gestionado.
Explica un XGBoost modelo que predice los ingresos de una persona con Amazon Debugger SageMaker	XGBoost	XGBoostRegresión	Conjunto de datos del censo de adultos	Aprenda a usar el gancho del depurador y las reglas integradas para recopilar y visualizar datos tensoriales de un modelo de XGBoost regresión, como valores, características y valores de pérdidas. SHAP

Para encontrar visualizaciones avanzadas de los parámetros y casos de uso del modelo, consulte el siguiente tema en Demostraciones y visualización avanzadas de Debugger.

Aviso JavaScript está desactivado o no está disponible en su navegador.

Para utilizar la documentación de AWS, debe estar habilitado JavaScript. Para obtener más información, consulte las páginas de ayuda de su navegador.

Convenciones del documento

Tutoriales de vídeo

Demostraciones y visualización avanzadas