Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Configurazione dello stimatore con parametri per la profilazione di base utilizzando i moduli Amazon SageMaker Debugger Python
Per impostazione predefinita, la profilazione di base di SageMaker Debugger è attiva per impostazione predefinita e monitora i parametri di utilizzo delle risorse, come utilizzo, utilizzo, CPU utilizzo della GPU memoria, GPU rete e tempo di attesa I/O, di tutti i lavori di formazione inviati utilizzando Amazon Python. SageMaker SageMaker SDK
Se desideri accedere alla dashboard delle metriche di utilizzo delle risorse del tuo lavoro di formazione in SageMaker Studio, puoi passare al. Esperimenti dell'interfaccia utente di Amazon SageMaker Debugger in Amazon Studio Classic SageMaker
Se desideri attivare automaticamente le regole che rilevano automaticamente i problemi di utilizzo delle risorse di sistema, puoi aggiungere il parametro rules
nell'oggetto dello strumento di valutazione per l'attivazione delle regole.
Importante
Per utilizzare le funzionalità più recenti del SageMaker Debugger, è necessario aggiornare SageMaker Python SDK e la libreria client. SMDebug
Nel iPython kernel, Jupyter Notebook o nell' JupyterLab ambiente, esegui il codice seguente per installare le versioni più recenti delle librerie e riavviare il kernel.
import sys import IPython !{sys.executable} -m pip install -U sagemaker smdebug IPython.Application.instance().kernel.do_shutdown(True)
Modello di codice per la configurazione di un oggetto SageMaker estimatore con i moduli SageMaker Debugger Python in Python SageMaker SDK
Per modificare la configurazione di base della profilazione (profiler_config
) o aggiungere le regole del profiler (rules
), scegli una delle schede per ottenere il modello per configurare uno stimatore. SageMaker Nelle pagine successive, puoi trovare ulteriori informazioni su come configurare i due parametri.
Nota
I seguenti esempi di codice non sono direttamente eseguibili. Passa alle sezioni successive per scoprire come configurare ogni parametro.
Di seguito vengono fornite brevi descrizioni dei parametri.
-
profiler_config
— Configura Debugger per raccogliere le metriche di sistema e le metriche del framework dal tuo processo di formazione e salvarle nel tuo bucket S3 protetto o nel computer locale. URI Puoi impostare la frequenza o la frequenza di raccolta dei parametri di sistema. Per informazioni su come configurare il parametroprofiler_config
, consulta Configurazione delle impostazioni per la profilazione di base dell'utilizzo delle risorse di sistema e Configurazione di Estimator per la profilazione del framework. -
rules
— Configurare questo parametro per attivare le regole integrate del SageMaker Debugger che si desidera eseguire in parallelo. Assicurati che il tuo processo di addestramento abbia accesso a questo bucket S3. Le regole si basano sui container di elaborazione e analizzano automaticamente il processo di addestramento per individuare problemi di prestazioni computazionali e operative. La regola ProfilerReport è la regola più integrata che esegue tutte le regole di profilazione integrate e salva i risultati della profilazione come report nel tuo bucket S3 protetto. Per informazioni su come configurare il parametrorules
, consulta Usa le regole di profilazione integrate gestite da Amazon SageMaker Debugger.
Nota
Debugger salva in modo sicuro i dati di output nelle sottocartelle del bucket S3 predefinito. Ad esempio, il formato del bucket S3 predefinito è. URI s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/<debugger-subfolders>/
Esistono tre sottocartelle create da Debugger: debug-output
, profiler-output
e rule-output
. Puoi anche recuperare il bucket URIs S3 predefinito usando i metodi della classe estimator. SageMaker
Consulta i seguenti argomenti per scoprire come configurare in dettaglio i parametri specifici di Debugger.
Argomenti
- Configurazione delle impostazioni per la profilazione di base dell'utilizzo delle risorse di sistema
- Configurazione di Estimator per la profilazione del framework
- Aggiornamento del monitoraggio del sistema di Debugger e della configurazione della profilazione del framework durante l'esecuzione di un processo di addestramento
- Disattivazione di Debugger