翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Debugger チュートリアルビデオ
注記
Amazon SageMaker デバッガーは新規顧客に公開されなくなりました。既存のお客様は、サービスを通常どおり引き続き使用できます。 はデバッガーのセキュリティと可用性の向上に AWS 引き続き投資しますが、新機能を導入する予定はありません。詳細については、「デバッガーの可用性の変更」を参照してください。
次のビデオでは、SageMaker Studio と SageMaker AI のノートブックインスタンスを使って Amazon SageMaker Debugger の機能を紹介していきます。
トピック
Studio で Amazon SageMaker Debugger を使ってモデルをデバッグする
Julien Simon、 AWS テクニカルエバンジェリスト | 長さ: 14 分 17 秒
このチュートリアルビデオでは、Amazon SageMaker デバッガーを使ってトレーニングモデルからデバッグ情報をキャプチャして検査する方法を説明します。このビデオで使用されているトレーニングモデルの例は、TensorFlow をバックエンドにした Keras ベースの単純な畳み込みニューラルネットワーク (CNN) です。TensorFlow フレームワークとデバッガーの SageMaker AI を使用すると、トレーニングスクリプトを使用して ModelTrainer を直接構築し、トレーニングジョブをデバッグできます。
ビデオ内のサンプルノートブックは、作成者が提供するこの Studio のデモのリポジトリdebugger.ipynb ノートブックファイルと mnist_keras_tf.py トレーニングスクリプトを SageMaker Studio または SageMaker ノートブックインスタンスに複製する必要があります。2 つのファイルのクローンを作成したら、debugger.ipynb ノートブック内の mnist_keras_tf.py ファイルへのパス keras_script_path を指定します。例えば、2 つのファイルを同じディレクトリに複製した場合は、keras_script_path =
"mnist_keras_tf.py" として設定します。
Amazon SageMaker Debugger と SageMaker AI Model Monitor の詳細
Julien Simon、 AWS テクニカルエバンジェリスト | 長さ: 44 分 34 秒
このビデオセッションでは、モデルの生産性と品質の向上に役立つデバッガーと SageMaker Model Monitor の高度な機能を掘り下げます。このビデオでは、まず、デバッガーを使ってトレーニングの問題を検出して修正し、テンソルを視覚化し、モデルを改善する方法を示します。次に、22 分 41 秒から、SageMaker AI Model Monitor を使って本番稼働中のモデルをモニタリングして、欠落している特徴やデータのドリフトなどの予測の問題を特定する方法を示します。最後に、機械学習の予算を最大限に活用するためのコストの最適化のヒントを示します。
ビデオ内のサンプルノートブックは、作成者が提供するこの AWS
Dev Days 2020 のリポジトリから
