Debugger 예제 노트북

SageMaker 디버거 예제 노트북은 aws/amazon-sagemaker-examples리포지토리에 제공됩니다. 디버거 예제 노트북은 디버깅 및 프로파일링 훈련 작업의 기본부터 고급 사용 사례까지 안내합니다.

대부분의 예제는 Amazon , Amazon S3 및 EC2Amazon SageMaker Python을 포함한 SageMaker AI 에코시스템의 훈련 작업을 위해 설계되었으므로 SageMaker Studio 또는 SageMaker 노트북 인스턴스에서 예제 노트북을 실행하는 것이 좋습니다SDK. Amazon S3

예제 리포지토리를 SageMaker Studio에 복제하려면 Amazon SageMaker Studio Tour의 지침을 따릅니다.

SageMaker 노트북 인스턴스에서 예제를 찾으려면 SageMaker 노트북 인스턴스 예제 노트북의 지침을 따르세요.

중요

새 Debugger 기능을 사용하려면 SageMaker Python SDK 및 SMDebug 클라이언트 라이브러리를 업그레이드해야 합니다. iPython 커널, Jupyter Notebook 또는 JupyterLab 환경에서 다음 코드를 실행하여 라이브러리의 최신 버전을 설치하고 커널을 다시 시작합니다.


import sys
import IPython
!{sys.executable} -m pip install -U sagemaker smdebug
IPython.Application.instance().kernel.do_shutdown(True)

훈련 작업을 프로파일링하기 위한 디버거 예제 노트북

다음 목록은 다양한 기계 학습 모델, 데이터세트 및 프레임워크에 대한 훈련 작업을 모니터링하고 프로파일링할 수 있는 Debugger의 적응성을 소개하는 Debugger 예제 노트북입니다.

노트북 제목	프레임워크	모델	데이터세트	설명
Amazon SageMaker Debugger 프로파일링 데이터 분석	TensorFlow	Keras ResNet50	Cifar-10	이 노트북은 SageMaker Debugger에서 캡처한 프로파일링된 데이터에 대한 대화형 분석을 소개합니다. `SMDebug` 대화형 분석 도구의 전체 기능을 살펴봅니다.
Amazon SageMaker Debugger를 사용한 프로파일 기계 학습 훈련	TensorFlow	1차원 컨벌루션 신경망	IMDB 데이터 세트	긍정적 또는 부정적 감정으로 레이블이 지정된 영화 리뷰로 구성된 IMDB 데이터의 감정 분석을 CNN 위한 프로필 a TensorFlow 1-D입니다. 스Studio Debugger 인사이트 및 Debugger 프로파일링 보고서를 살펴봅니다.
다양한 분산 훈련 설정을 사용하여 TensorFlow ResNet 모델 훈련 프로파일링	TensorFlow	ResNet50	Cifar-10	Debugger를 사용하여 다양한 분산 TensorFlow 훈련 설정으로 훈련 작업을 실행하고 시스템 리소스 사용률을 모니터링하며 모델 성능을 프로파일링합니다.
다양한 분산 훈련 설정을 사용하여 PyTorch ResNet 모델 훈련 프로파일링	PyTorch	ResNet50	Cifar-10	다양한 분산 PyTorch 훈련 설정으로 훈련 작업을 실행하고, 시스템 리소스 사용률을 모니터링하고, Debugger를 사용하여 모델 성능을 프로파일링합니다.

모델 매개변수 분석을 위한 디버거 예제 노트북

다음 목록은 다양한 기계 학습 모델, 데이터세트 및 프레임워크에 대한 디버그 훈련 작업에 대한 디버거의 적응성을 소개하는 디버거 예제 노트북입니다.

노트북 제목	프레임워크	모델	데이터세트	설명
Amazon SageMaker Debugger - 기본 제공 규칙 사용	TensorFlow	컨볼루션 신경망	MNIST	Amazon SageMaker Debugger 기본 제공 규칙을 사용하여 모델을 디버깅합니다 TensorFlow.
Amazon SageMaker Debugger - Tensorflow 2.1	TensorFlow	ResNet50	Cifar-10	Tensorflow 2.1 프레임워크를 사용하여 모델을 디버깅하려면 Amazon SageMaker Debugger 후크 구성 및 기본 제공 규칙을 사용합니다.
MXNet 훈련의 디버깅 텐서 시각화	MXNet	글루온 컨벌루션 신경망	패션 MNIST	훈련 작업을 실행하고이 작업의 모든 텐서를 저장하도록 SageMaker Debugger를 구성한 다음 해당 텐서를 노트북에 시각화합니다.
Amazon SageMaker Debugger로 스팟 훈련 활성화	MXNet	글루온 컨벌루션 신경망	패션 MNIST	Debugger가 스팟 인스턴스의 훈련 작업에서 텐서 데이터를 수집하는 방법과 Debugger의 기본 제공 규칙을 관리형 스팟 훈련과 함께 사용하는 방법을 알아봅니다.
Amazon SageMaker Debugger를 사용하여 개인의 소득을 예측하는 XGBoost 모델을 설명합니다.	XGBoost	XGBoost 회귀	성인 인구 조사 데이터세트	Debugger 후크 및 내장 규칙을 사용하여 손실 값, 기능 및 SHAP 값과 같은 XGBoost 회귀 모델에서 텐서 데이터를 수집하고 시각화하는 방법을 알아봅니다.

모델 매개변수 및 사용 사례에 대한 고급 시각화를 찾으려면 Debugger 고급 데모 및 시각화에서 다음 주제를 참고하세요.

javascript가 브라우저에서 비활성화되거나 사용이 불가합니다.

AWS 설명서를 사용하려면 Javascript가 활성화되어야 합니다. 지침을 보려면 브라우저의 도움말 페이지를 참조하십시오.

문서 규칙

튜토리얼 동영상

고급 데모 및 시각화