As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Existem diferentes componentes do controlador Debugger para monitoramento e criação de perfil. Neste guia, você aprende sobre os componentes do controlador Debugger.
nota
O painel do SageMaker Debugger Insights executa um aplicativo Studio Classic em uma ml.m5.4xlarge instância para processar e renderizar as visualizações. Cada guia SageMaker do Debugger Insights executa uma sessão do kernel do Studio Classic. Várias sessões do kernel para várias guias do SageMaker Debugger Insights são executadas em uma única instância. Quando você fecha uma guia do SageMaker Debugger Insights, a sessão correspondente do kernel também é fechada. A aplicação Studio Classic permanece ativo e gera cobranças pelo uso da instância ml.m5.4xlarge. Para obter informações sobre preços, consulte a página de preços do Amazon SageMaker AI
Importante
Quando você terminar de usar o painel do SageMaker Debugger Insights, encerre a ml.m5.4xlarge instância para evitar o acúmulo de cobranças. Para obter instruções sobre como encerrar a instância, consulte Encerre a instância do Amazon SageMaker Debugger Insights.
SageMaker UI do controlador Debugger Insights
Usando o controlador do Debugger localizado no canto superior esquerdo do painel do Insights, você pode atualizar o painel, definir ou atualizar as configurações do Debugger para monitorar as métricas do sistema, interromper um trabalho de treinamento e baixar um relatório de criação de perfil do Debugger.
-
Se você quiser atualizar manualmente o painel, escolha o botão de atualização (a seta redonda no canto superior esquerdo) conforme mostrado na captura de tela anterior.
-
O botão de alternância de monitoramento está ativado por padrão para qualquer trabalho de SageMaker treinamento iniciado usando o SDK do Python SageMaker . Se não estiver ativado, você pode usar o botão de alternância para iniciar o monitoramento. Durante o monitoramento, o Debugger coleta apenas métricas de utilização de recursos para detectar problemas computacionais, como gargalos na CPU e subutilização da GPU. Para obter uma lista completa de problemas de uso monitorados pelos recursos do Depurador, consulte Regras integradas do depurador para definir o perfil da utilização dos recursos do sistema de hardware (métricas do sistema).
-
O botão Configurar monitoramento abre uma janela pop-up que você pode usar para definir ou atualizar a frequência da coleta de dados e o caminho do S3 para salvar os dados.
Você pode especificar os seguintes valores: ou .
-
URI do bucket do S3: especifique o URI básico do bucket do S3.
-
Colete dados de monitoramento a cada: selecione um intervalo de tempo para coletar métricas do sistema. Você pode escolher um dos intervalos de monitoramento na lista suspensa. Os intervalos disponíveis são 100 milissegundos, 200 milissegundos, 500 milissegundos (padrão), 1 segundo, 5 segundos e 1 minuto.
nota
Se você escolher um dos intervalos de tempo mais baixos, aumentará a granularidade das métricas de utilização de recursos para poder capturar picos e anomalias com uma resolução de tempo maior. No entanto, quanto maior a resolução, maior o tamanho das métricas do sistema a serem processadas. Isso pode gerar sobrecarga adicional e afetar o tempo geral de treinamento e processamento.
-
-
Usando o botão Parar treinamento, você pode interromper o trabalho de treinamento quando encontrar anomalias na utilização de recursos.
-
Usando o botão Baixar relatório, você pode baixar um relatório de criação de perfil agregado usando a ProfilerReportregra integrada do Debugger. SageMaker O botão é ativado quando você adiciona a ProfilerReportregra incorporada ao estimador. Para obter mais informações, consulte Configurar regras incorporadas do profiler e relatório de criação de perfil gerado usando SageMaker o Debugger.
