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.
Notebook di esempio di Debugger
Nota
Amazon SageMaker Debugger non è più aperto a nuovi clienti. I clienti esistenti possono continuare a utilizzare il servizio normalmente. AWS continua a investire in miglioramenti della sicurezza e della disponibilità di Debugger, ma non prevediamo di introdurre nuove funzionalità. Per ulteriori informazioni, consulta Modifica della disponibilità del debugger.
SageMaker I
Ti consigliamo di eseguire i notebook di esempio su SageMaker Studio o su un'istanza SageMaker Notebook perché la maggior parte degli esempi è progettata per attività di formazione nell'ecosistema SageMaker AI, tra cui Amazon EC2, Amazon S3 e Amazon Python SDK. SageMaker
Per clonare il repository di esempio in Studio, segui le istruzioni su Amazon SageMaker Studio Tour. SageMaker
Importante
Per utilizzare le nuove funzionalità di Debugger, devi aggiornare l'SDK SageMaker Python e la libreria client. SMDebug Nel tuo kernel IPython, Jupyter Notebook o JupyterLab ambiente, esegui il codice seguente per installare le ultime versioni 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 di Debugger per la profilazione dei job di addestramento
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 | Description |
|---|---|---|---|---|
|
Analisi dei dati di profilazione di Amazon Debugger SageMaker |
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 |
|
Crea un profilo di formazione sull'apprendimento automatico con Amazon Debugger SageMaker |
TensorFlow |
Rete neurale convoluzionale 1D |
Set di dati IMDB |
Profila una CNN TensorFlow 1-D per l'analisi del sentiment dei dati IMDB, costituita da recensioni di film etichettate come aventi sentimenti positivi o negativi. 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 profila le prestazioni del modello 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 profila le prestazioni del modello 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 | Description |
|---|---|---|---|---|
|
TensorFlow |
Rete neurale convoluzionale |
MNIST |
Usa le regole integrate di Amazon SageMaker Debugger per il debug di un modello. TensorFlow |
|
|
TensorFlow |
ResNet50 |
Cifar-10 |
Usa la configurazione degli 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 in 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 modello XGBoost che prevede il reddito di un individuo con Amazon Debugger SageMaker |
XGBoost |
Regressione XGBoost |
Scopri come utilizzare l'hook Debugger e le regole integrate per raccogliere e visualizzare i dati tensoriali da un modello di regressione XGBoost, 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.
