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

Gunakan aturan profiler bawaan yang dikelola oleh Amazon SageMaker Debugger

Aturan profiler bawaan Amazon SageMaker Debugger menganalisis metrik sistem dan operasi kerangka kerja yang dikumpulkan selama pelatihan model. Debugger menawarkan operasi ProfilerRule API yang membantu mengonfigurasi aturan untuk memantau sumber daya dan operasi komputasi pelatihan dan untuk mendeteksi anomali. Misalnya, aturan pembuatan profil dapat membantu Anda mendeteksi apakah ada masalah komputasi seperti hambatan CPU, waktu I/O tunggu yang berlebihan, beban kerja yang tidak seimbang di seluruh pekerja GPU, dan kurangnya pemanfaatan sumber daya komputasi. Untuk melihat daftar lengkap aturan pembuatan profil bawaan yang tersedia, lihatDaftar aturan profiler bawaan Debugger. Topik berikut menunjukkan cara menggunakan aturan bawaan Debugger dengan pengaturan parameter default dan nilai parameter kustom.

Gunakan aturan profiler bawaan SageMaker Debugger dengan pengaturan parameter defaultnya

Untuk menambahkan aturan bawaan SageMaker Debugger di Anda ModelTrainer, Anda perlu mengonfigurasi objek rules daftar. Kode contoh berikut menunjukkan struktur dasar daftar aturan bawaan SageMaker Debugger.

from sagemaker.debugger import Rule, ProfilerRule, rule_configs

rules=[
    ProfilerRule.sagemaker(rule_configs.BuiltInProfilerRuleName_1()),
    ProfilerRule.sagemaker(rule_configs.BuiltInProfilerRuleName_2()),
    ...
    ProfilerRule.sagemaker(rule_configs.BuiltInProfilerRuleName_n()),
    ... # You can also append more debugging rules in the Rule.sagemaker(rule_configs.*()) format.
]

model_trainer=ModelTrainer(
    ...
    rules=rules
)

Untuk daftar lengkap aturan bawaan yang tersedia, lihatDaftar aturan profiler bawaan Debugger.

Untuk menggunakan aturan pembuatan profil dan memeriksa kinerja komputasi dan kemajuan pekerjaan pelatihan Anda, tambahkan ProfilerReport aturan SageMaker Debugger. Aturan ini mengaktifkan semua aturan bawaan di bawah ProfilerRule ProfilerRule keluarga Debugger. Selanjutnya, aturan ini menghasilkan laporan profil agregat. Untuk informasi selengkapnya, lihat Laporan Profil yang Dibuat Menggunakan SageMaker Debugger. Anda dapat menggunakan kode berikut untuk menambahkan aturan laporan profil ke pelatihan Anda ModelTrainer.

from sagemaker.debugger import Rule, rule_configs

rules=[
    ProfilerRule.sagemaker(rule_configs.ProfilerReport())
]

Saat Anda memulai pekerjaan pelatihan dengan ProfilerReport aturan, Debugger mengumpulkan data pemanfaatan sumber daya setiap 500 milidetik. Debugger menganalisis pemanfaatan sumber daya untuk mengidentifikasi apakah model Anda mengalami masalah bottleneck. Jika aturan mendeteksi anomali pelatihan, status evaluasi aturan berubah menjadiIssueFound. Anda dapat mengatur tindakan otomatis, seperti memberi tahu masalah pelatihan dan menghentikan pekerjaan pelatihan menggunakan Amazon Ev CloudWatch ents dan AWS Lambda. Untuk informasi selengkapnya, lihat Tindakan pada aturan Amazon SageMaker Debugger.

Gunakan aturan profiler bawaan Debugger dengan nilai parameter khusus

Jika Anda ingin menyesuaikan nilai parameter aturan bawaan dan menyesuaikan regex koleksi tensor, konfigurasikan rule_parameters parameter base_config dan untuk metode kelas ProfilerRule.sagemaker danRule.sagemaker. Dalam kasus metode Rule.sagemaker kelas, Anda juga dapat menyesuaikan koleksi tensor melalui collections_to_save parameter. Untuk instruksi tentang cara menggunakan CollectionConfig kelas, lihatKonfigurasikan koleksi tensor menggunakan API CollectionConfig.

Gunakan template konfigurasi berikut untuk aturan bawaan untuk menyesuaikan nilai parameter. Dengan mengubah parameter aturan sesuai keinginan, Anda dapat menyesuaikan sensitivitas aturan yang akan dimulai.

Untuk informasi selengkapnya tentang kelas aturan Debugger, metode, dan parameter, lihat kelas SageMaker Aturan Debugger AI di Amazon SageMaker Python SDK.

from sagemaker.debugger import Rule, ProfilerRule, rule_configs, CollectionConfig

rules=[
    ProfilerRule.sagemaker(
        base_config=rule_configs.BuiltInProfilerRuleName(),
        rule_parameters={
                "key": "value"
        }
    )
]

Deskripsi parameter dan contoh penyesuaian nilai disediakan untuk setiap aturan diDaftar aturan profiler bawaan Debugger.

Untuk konfigurasi JSON tingkat rendah dari aturan bawaan Debugger menggunakan CreateTrainingJob API, lihat. Konfigurasikan Debugger menggunakan API SageMaker