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。

デバッガーチュートリアルビデオ

次の動画では、 SageMaker Studio と SageMakerノートブックインスタンスを使用した Amazon SageMaker Debugger の機能を紹介しています。

Studio で Amazon SageMaker Debugger を使用し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 Debugger を使用し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示します。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 バックエンドの Keras に基づく単純な畳み込みニューラルネットワーク (CNN) です。 SageMaker TensorFlow フレームワークでは、デバッガーを使用すると、トレーニングスクリプトを使用して直接推定器を構築し、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から入手することができます。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のクローンを SageMaker Studio または SageMaker ノートブックインスタンスに作成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 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を向上させるデバッガーと SageMaker Model Monitor の高度な機能について説明します。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、この動画では、22:41 に、本番環境でモデルをモニタリングし、 SageMaker Model Monitor を使用して欠落している特徴量やデータドリフトなどの予測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 のリポジトリから入手できます。