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.
SageMaker I notebook di esempio di debugger
Ti consigliamo di eseguire i notebook di esempio su SageMaker Studio o un'istanza SageMaker Notebook perché la maggior parte degli esempi è progettata per lavori di formazione nell'ecosistema di SageMaker intelligenza artificiale, tra cui Amazon, Amazon EC2 S3 e Amazon Python SDK. SageMaker
Per clonare il repository di esempio su SageMaker Studio, segui le istruzioni su Amazon SageMaker Studio Tour.
Per trovare gli esempi in un'istanza SageMaker Notebook, segui le istruzioni in Notebook Instance Example SageMaker Notebooks.
Importante
Per utilizzare le nuove funzionalità di Debugger, è necessario aggiornare l'SDK SageMaker Python e la libreria client. SMDebug Nel kernel IPython, Jupyter Notebook JupyterLab o nell'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)Notebook di esempio con debugger per la profilazione dei lavori di formazione
L'elenco seguente mostra alcuni notebook di esempio di Debugger che presentano l'adattabilità di Debugger per monitorare e profilare i processi di addestramento per vari modelli, set di dati e framework di machine learning.
| Titolo del notebook | Framework | Modello | Set di dati | Descrizione |
|---|---|---|---|---|
|
Analisi dei dati di profilazione di Amazon SageMaker Debugger |
TensorFlow |
ResNetKeras 50 |
Cifar-10 |
Questo notebook fornisce un'introduzione all'analisi interattiva dei dati profilati acquisiti da SageMaker Debugger. Esplora tutte le funzionalità degli strumenti di analisi interattivi |
|
Profilare la formazione sull'apprendimento automatico con Amazon SageMaker Debugger |
TensorFlow |
Rete neurale convoluzionale 1D |
Set di dati IMDB |
Profilate una CNN TensorFlow 1-D per l'analisi del sentiment dei dati IMDB, costituita da recensioni di film etichettate come positive o negative. Esplora gli approfondimenti di Studio Debugger e il report sulla profilazione di Debugger. |
|
TensorFlow |
ResNet50 | Cifar-10 |
Esegui lavori di TensorFlow formazione con varie impostazioni di formazione distribuite, monitora l'utilizzo delle risorse di sistema e le prestazioni del modello di profilo utilizzando Debugger. |
|
| PyTorch |
ResNet50 |
Cifar-10 |
Esegui lavori di PyTorch formazione con varie impostazioni di formazione distribuite, monitora l'utilizzo delle risorse di sistema e le prestazioni del modello di profilo utilizzando Debugger. |
Notebook di esempio di debugger per l'analisi dei parametri del modello
L'elenco seguente mostra alcuni notebook di esempio di Debugger che presentano l'adattabilità di Debugger per eseguire il debug dei processi di addestramento per vari modelli, set di dati e framework di machine learning.
| Titolo del notebook | Framework | Modello | Set di dati | Descrizione |
|---|---|---|---|---|
|
TensorFlow |
Rete neurale convoluzionale |
MNIST |
Utilizza le regole integrate di Amazon SageMaker Debugger per il debug di un modello. TensorFlow |
|
|
TensorFlow |
ResNet50 |
Cifar-10 |
Utilizza la configurazione hook di Amazon SageMaker Debugger e le regole integrate per il debug di un modello con il framework Tensorflow 2.1. |
|
|
Visualizzazione dei tensori di debug dell'addestramento MXNet |
MXNet |
Rete neurale convoluzionale Gluon |
Fashion MNIST |
Esegui un processo di formazione e configura SageMaker Debugger per memorizzare tutti i tensori di questo lavoro, quindi visualizza quei tensori su un notebook. |
| MXNet |
Rete neurale convoluzionale Gluon |
Fashion MNIST |
Scopri come Debugger raccoglie i dati tensoriali da un processo di addestramento su un'istanza spot e come utilizzare le regole integrate di Debugger con l'addestramento spot gestito. |
|
| Spiega un XGBoost modello che prevede il reddito di una persona con Amazon SageMaker Debugger |
XGBoost |
XGBoost Regressione |
Scopri come utilizzare l'hook Debugger e le regole integrate per raccogliere e visualizzare i dati tensoriali da un modello di XGBoost regressione, come valori di perdita, funzionalità e valori SHAP. |
Per trovare visualizzazioni avanzate dei parametri del modello e dei casi d'uso, consulta l'argomento successivo in Demo e visualizzazione avanzate di Debugger.
