View a markdown version of this page

Konfigurasikan koleksi tensor menggunakan API CollectionConfig - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Konfigurasikan koleksi tensor menggunakan API CollectionConfig

catatan

Amazon SageMaker Debugger tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Debugger, tetapi kami tidak berencana untuk memperkenalkan fitur baru. Untuk informasi selengkapnya, lihat Perubahan ketersediaan debugger.

Gunakan operasi CollectionConfig API untuk mengkonfigurasi koleksi tensor. Debugger menyediakan koleksi tensor pra-bangun yang mencakup berbagai ekspresi reguler (regex) parameter jika menggunakan kerangka kerja pembelajaran Debugger-supported mendalam dan algoritma pembelajaran mesin. Seperti yang ditunjukkan pada kode contoh berikut, tambahkan koleksi tensor bawaan yang ingin Anda debug.

from sagemaker.core.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(name="weights"),
    CollectionConfig(name="gradients")
]

Koleksi sebelumnya mengatur kait Debugger untuk menyimpan tensor setiap 500 langkah berdasarkan nilai default"save_interval".

Untuk daftar lengkap koleksi bawaan Debugger yang tersedia, lihat Koleksi Debugger Built-in .

Jika Anda ingin menyesuaikan koleksi bawaan, seperti mengubah interval penyimpanan dan regex tensor, gunakan CollectionConfig template berikut untuk menyesuaikan parameter.

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"
        }
    )
]

Untuk informasi selengkapnya tentang kunci parameter yang tersedia, lihat CollectionConfig di Amazon SageMaker Python SDK. Misalnya, contoh kode berikut menunjukkan bagaimana Anda dapat menyesuaikan interval penyimpanan dari koleksi tensor “kerugian” pada fase pelatihan yang berbeda: simpan kerugian setiap 100 langkah dalam fase pelatihan dan kerugian validasi setiap 10 langkah dalam fase validasi. 

from sagemaker.core.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="losses",
        parameters={
            "train.save_interval": "100",
            "eval.save_interval": "10"
        }
    )
]
Tip

Objek konfigurasi koleksi tensor ini dapat digunakan untuk kedua DebuggerHookConfig dan operasi API Aturan.