기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

디버거 자습서 비디오

다음 동영상에서는 SageMaker Studio 및 SageMaker 노트북 인스턴스를 사용하여 Amazon SageMaker Debugger 기능을 둘러보는 방법을 제공합니다.

Studio Classic에서 Amazon SageMaker Debugger로 모델 디버깅

Julien Simon, AWS Technical Evangelist | 길이: 14분 17초

이 자습서 비디오는 Amazon SageMaker Debugger를 사용하여 훈련 모델에서 디버깅 정보를 캡처하고 검사하는 방법을 보여줍니다. 이 비디오에서 사용되는 훈련 모델 예제는 TensorFlow 프레임워크의 TensorFlow backend. SageMaker in Keras를 기반으로 하는 간단한 컨볼루션 신경망(CNN)이며, Debugger를 사용하면 훈련 스크립트를 사용하여 직접 추정기를 구축하고 훈련 작업을 디버깅할 수 있습니다.

작성자가 제공한 이 Studio 데모 리포지토리에서 비디오의 노트북 예를 찾을 수 있습니다. debugger.ipynb 노트북 파일과 mnist_keras_tf.py 훈련 스크립트를 SageMaker Studio 또는 SageMaker 노트북 인스턴스에 복제해야 합니다. 두 파일을 복제한 후 debugger.ipynb 노트북 내의 mnist_keras_tf.py 파일을 keras_script_path 경로로 지정합니다. 예를 들어 동일한 디렉터리에 두 파일을 복제한 경우에는 이를 keras_script_path = "mnist_keras_tf.py"로 설정합니다.

Amazon SageMaker Debugger 및 SageMaker 모델 모니터에 대한 심층 분석

Julien Simon, AWS Technical Evangelist | 길이: 44분 34초

이 비디오 세션에서는 생산성과 SageMaker 모델의 품질을 높이는 데 도움이 되는 Debugger 및 Model Monitor의 고급 기능을 살펴봅니다. 먼저 이 비디오에서는 훈련 문제를 감지 및 수정하고, 텐서를 시각화하고, Debugger를 사용하여 모델을 개선하는 방법을 보여 줍니다. 다음으로, 22:41에 이 동영상은 SageMaker 모델 모니터를 사용하여 프로덕션에서 모델을 모니터링하고 누락된 기능 또는 데이터 드리프트와 같은 예측 문제를 식별하는 방법을 보여줍니다. 마지막으로 기계 학습 예산을 최대한 활용하는 데 도움이 되는 비용 최적화 팁을 제공합니다.

작성자가 제공한 이 AWS Dev Days 2020 리포지토리의 비디오에서 예제 노트북을 찾아볼 수 있습니다.