기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
smdebug 클라이언트 라이브러리를 사용하여 사용자 지정 규칙을 Python 스크립트로 만들기
참고
Amazon SageMaker Debugger는 더 이상 신규 고객에게 공개되지 않습니다. 기존 고객은 서비스를 정상적으로 계속 사용할 수 있습니다.는 AWS Debugger의 보안 및 가용성 개선에 계속 투자하지만 새로운 기능을 도입할 계획은 없습니다. 자세한 내용은 디버거 가용성 변경 단원을 참조하십시오.
smdebug Rule API는 나만의 사용자 지정 규칙을 설정할 수 있는 인터페이스를 제공합니다. 아래 Python 스크립트는 사용자 지정 규칙 CustomGradientRule을 구성하는 방법의 샘플입니다. 이 자습서의 사용자 지정 규칙은 그래디언트가 너무 커지지 않는지 감시하고 기본 임곗값을 10으로 설정합니다. 사용자 지정 규칙은 SageMaker AI 예측기가 훈련 작업을 시작할 때 만든 기본 평가판을 사용합니다.
from smdebug.rules.rule import Rule class CustomGradientRule(Rule): def __init__(self, base_trial, threshold=10.0): super().__init__(base_trial) self.threshold = float(threshold) def invoke_at_step(self, step): for tname in self.base_trial.tensor_names(collection="gradients"): t = self.base_trial.tensor(tname) abs_mean = t.reduction_value(step, "mean", abs=True) if abs_mean > self.threshold: return True return False
다음 섹션에서 사용자 지정 규칙 객체를 구성하여 동일한 Python 스크립트에 여러 개의 사용자 지정 규칙 클래스를 원하는 만큼 추가하고 이를 훈련 작업 평가판에 배포할 수 있습니다.
