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.
Exemples de blocs-notes Debugger
SageMaker Des exemples de blocs-notes de débogage
Nous vous recommandons d'exécuter les exemples de blocs-notes sur SageMaker Studio ou sur une instance de SageMaker Notebook, car la plupart des exemples sont conçus pour les tâches de formation dans l'écosystème de l' SageMaker IA, notamment Amazon EC2, Amazon S3 et le SDK Amazon SageMaker Python.
Pour cloner l'exemple de référentiel dans SageMaker Studio, suivez les instructions d'Amazon SageMaker Studio Tour.
Pour trouver les exemples dans une instance de SageMaker Notebook, suivez les instructions de la section SageMaker Notebook Instance Example Notebooks.
Important
Pour utiliser les nouvelles fonctionnalités du Debugger, vous devez mettre à niveau le SDK SageMaker Python et la SMDebug
bibliothèque cliente. Dans votre noyau IPython, Jupyter Notebook JupyterLab ou votre environnement, exécutez le code suivant pour installer les dernières versions des bibliothèques et redémarrer le noyau.
import sys import IPython !{sys.executable} -m pip install -U sagemaker smdebug IPython.Application.instance().kernel.do_shutdown(True)
Exemples de blocs-notes de débogage pour le profilage des tâches de formation
La liste suivante contient des exemples de blocs-notes Debugger présentant l'adaptabilité de Debugger au contrôle et au profilage des tâches d'entraînement pour divers modèles de machine learning, jeux de données et cadres.
Titre du bloc-notes | Framework | Modèle | Jeux de données | Description |
---|---|---|---|---|
TensorFlow |
Keras 50 ResNet |
Cifar-10 |
Ce bloc-notes fournit une introduction à l'analyse interactive des données profilées capturées par SageMaker Debugger. Explorez toutes les fonctionnalités des outils d'analyse interactifs |
|
Formation à l'apprentissage automatique des profils avec Amazon SageMaker Debugger |
TensorFlow |
Réseau neuronal convolutif 1-D |
Jeu de données IMDB |
Profilez un CNN en TensorFlow 1 D pour analyser les sentiments des données IMDB, qui consistent en des critiques de films étiquetées comme ayant un sentiment positif ou négatif. Explorez les informations de Studio Debugger et le rapport de profilage de Debugger. |
TensorFlow |
ResNet50 | Cifar-10 |
Exécutez des tâches de TensorFlow formation avec différents paramètres d'entraînement distribués, surveillez l'utilisation des ressources du système et profilez les performances du modèle à l'aide de Debugger. |
|
PyTorch |
ResNet50 |
Cifar-10 |
Exécutez des tâches de PyTorch formation avec différents paramètres d'entraînement distribués, surveillez l'utilisation des ressources du système et profilez les performances du modèle à l'aide de Debugger. |
Exemples de blocs-notes de débogage pour analyser les paramètres du modèle
La liste suivante contient des exemples de blocs-notes Debugger présentant l'adaptabilité de Debugger au débogage des tâches d'entraînement pour divers modèles de machine learning, jeux de données et cadres.
Titre du bloc-notes | Framework | Modèle | Jeux de données | Description |
---|---|---|---|---|
TensorFlow |
Réseau neuronal convolutif |
MNIST |
Utilisez les règles intégrées d'Amazon SageMaker Debugger pour déboguer un modèle. TensorFlow |
|
TensorFlow |
ResNet50 |
Cifar-10 |
Utilisez la configuration du hook Amazon SageMaker Debugger et les règles intégrées pour déboguer un modèle avec le framework Tensorflow 2.1. |
|
Visualisation des tenseurs de débogage de l'entraînement MXNet |
MXNet |
Réseau neuronal convolutif Gluon |
Fashion MNIST |
Exécutez une tâche de formation et configurez SageMaker Debugger pour stocker tous les tenseurs de cette tâche, puis visualisez ces tenseurs dans un bloc-notes. |
Activez la formation ponctuelle avec Amazon SageMaker Debugger |
MXNet |
Réseau neuronal convolutif Gluon |
Fashion MNIST |
Découvrez comment Debugger collecte des données de tenseurs à partir d'une tâche d'entraînement sur une instance Spot, et comment utiliser les règles intégrées de Debugger avec un entraînement Spot géré. |
Expliquer un XGBoost modèle qui prédit le revenu d'un individu avec Amazon SageMaker Debugger |
XGBoost |
XGBoost Régression |
Apprenez à utiliser le hook Debugger et les règles intégrées pour collecter et visualiser les données tensorielles d'un modèle de XGBoost régression, telles que les valeurs de perte, les fonctionnalités et les valeurs SHAP. |
Pour trouver des visualisations avancées des paramètres de modèle et des cas d'utilisation, consultez la rubrique suivante : Démonstrations et visualisation avancées de Debugger.