Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Video tutorial debugger

Mode fokus
Video tutorial debugger - Amazon SageMaker AI

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

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

Video berikut menyediakan tur kemampuan Amazon SageMaker Debugger menggunakan instans notebook SageMaker Studio dan SageMaker AI.

Model debugging dengan Amazon SageMaker Debugger di Studio Classic

Julien Simon, Penginjil AWS Teknis | Durasi: 14 menit 17 detik

Video tutorial ini menunjukkan cara menggunakan Amazon SageMaker Debugger untuk menangkap dan memeriksa informasi debugging dari model pelatihan. Contoh model pelatihan yang digunakan dalam video ini adalah jaringan saraf konvolusional sederhana (CNN) berdasarkan Keras dengan backend. TensorFlow SageMaker AI dalam TensorFlow kerangka kerja dan Debugger memungkinkan Anda membangun estimator secara langsung menggunakan skrip pelatihan dan men-debug pekerjaan pelatihan.

Anda dapat menemukan contoh buku catatan dalam video di repositori Demo Studio ini yang disediakan oleh penulis. Anda perlu mengkloning file debugger.ipynb notebook dan skrip mnist_keras_tf.py pelatihan ke SageMaker Studio atau instance SageMaker notebook Anda. Setelah Anda mengkloning dua file, tentukan path keras_script_path ke mnist_keras_tf.py file di dalam debugger.ipynb notebook. Misalnya, jika Anda mengkloning dua file dalam direktori yang sama, atur sebagaikeras_script_path = "mnist_keras_tf.py".

Menyelam jauh di Amazon SageMaker Debugger dan monitor model SageMaker AI

Julien Simon, Penginjil AWS Teknis | Durasi: 44 menit 34 detik

Sesi video ini mengeksplorasi fitur-fitur canggih Debugger dan SageMaker Model Monitor yang membantu meningkatkan produktivitas dan kualitas model Anda. Pertama, video ini menunjukkan cara mendeteksi dan memperbaiki masalah pelatihan, memvisualisasikan tensor, dan meningkatkan model dengan Debugger. Selanjutnya, pada 22:41, video menunjukkan cara memantau model dalam produksi dan mengidentifikasi masalah prediksi seperti fitur yang hilang atau penyimpangan data menggunakan AI Model Monitor. SageMaker Akhirnya, ia menawarkan kiat pengoptimalan biaya untuk membantu Anda memaksimalkan anggaran pembelajaran mesin Anda.

Anda dapat menemukan contoh buku catatan dalam video di repositori AWS Dev Days 2020 yang ditawarkan oleh penulis.

PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.