选择您的 Cookie 首选项

我们使用必要 Cookie 和类似工具提供我们的网站和服务。我们使用性能 Cookie 收集匿名统计数据,以便我们可以了解客户如何使用我们的网站并进行改进。必要 Cookie 无法停用,但您可以单击“自定义”或“拒绝”来拒绝性能 Cookie。

如果您同意,AWS 和经批准的第三方还将使用 Cookie 提供有用的网站功能、记住您的首选项并显示相关内容,包括相关广告。要接受或拒绝所有非必要 Cookie,请单击“接受”或“拒绝”。要做出更详细的选择,请单击“自定义”。

亚马逊 SageMaker Studio 经典实验中的亚马逊 SageMaker 调试器用户界面

聚焦模式
亚马逊 SageMaker Studio 经典实验中的亚马逊 SageMaker 调试器用户界面 - 亚马逊 SageMaker AI

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

在亚马逊弹性计算云 (Amazon EC2) 实例上运行训练作业时,使用 Amazon SageMaker Studio 经典实验中的 Amazon D SageMaker ebugger Insights 控制面板来分析您的模型性能和系统瓶颈。借助 Debugger 控制面板,深入了解您的训练作业,提高模型训练性能和准确性。默认情况下,对于训练作业,Debugger 每 500 毫秒监控一次系统指标(CPU、GPU、GPU 内存、网络和数据 I/O),每 500 次迭代监控一次基本输出张量(损失和准确性)。您还可以通过 Studio Classic 用户界面或使用 Amaz SageMaker on Python SDK 进一步自定义调试器配置参数值并调整保存间隔。

重要

如果您使用的是现有 Studio Classic 应用程序,请删除该应用程序并重新启动以使用最新的 Studio Classic 功能。有关如何重启和更新 Studio Classic 环境的说明,请参阅更新 Amazon A SageMaker I Studio Classic

隐私网站条款Cookie 首选项
© 2025, Amazon Web Services, Inc. 或其附属公司。保留所有权利。