Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Actions relatives aux règles à l'aide d'Amazon CloudWatch et AWS Lambda
Note
Amazon SageMaker Debugger n'est plus ouvert aux nouveaux clients. Les clients existants peuvent continuer à utiliser le service normalement. AWS continue d'investir dans l'amélioration de la sécurité et de la disponibilité de Debugger, mais nous ne prévoyons pas d'introduire de nouvelles fonctionnalités. Pour de plus amples informations, veuillez consulter Modification de la disponibilité du débogueur.
Amazon CloudWatch collecte les journaux des tâches de formation des modèles Amazon SageMaker AI et les journaux des tâches de traitement des règles Amazon SageMaker Debugger. Configurez le débogueur avec Amazon CloudWatch Events et prenez des mesures AWS Lambda en fonction de l'état d'évaluation des règles du débogueur.
Exemples de blocs-notes
Vous pouvez exécuter les exemples de blocs-notes suivants, qui sont préparés pour expérimenter l'arrêt d'une tâche de formation à l'aide d'actions sur les règles intégrées de Debugger à l'aide d'Amazon et. CloudWatch AWS Lambda
-
Amazon SageMaker Debugger - Réagir aux événements à partir des règles CloudWatch
Cet exemple de bloc-notes exécute une tâche d'entraînement qui présente un problème de disparition de gradient. La règle VanishingGradient intégrée du débogueur est utilisée lors de la construction de l' SageMaker IA. TensorFlow ModelTrainer Lorsque la règle Debugger détecte le problème, la tâche d'entraînement est interrompue.
-
Détectez l'entraînement bloqué et invoquez des actions à l'aide SageMaker de la règle de débogage
Cet exemple de bloc-notes exécute un script d'entraînement avec une ligne de code qui le force à rester en veille pendant 10 minutes. La règle intégrée StalledTrainingRule de Debugger invoque des problèmes et arrête la tâche d'entraînement.
Rubriques
