Debugger 教程视频
以下视频介绍了 SageMaker Studio 和 SageMaker 笔记本实例的 Amazon SageMaker Debugger 功能。
主题
在 Studio Classic 中使用 Amazon SageMaker Debugger 调试模型
Julien Simon,AWS 技术宣传官 | 长度:14 分钟 17 秒
本教程视频演示了如何使用 Amazon SageMaker Debugger 从训练模型中捕获和检查调试信息。视频中使用的示例训练模型是一个简单的卷积神经网络 (CNN),基于 Keras,采用 TensorFlow 后端。通过 TensorFlow 框架中的 SageMaker 和 Debugger,您可以直接使用训练脚本构建估算器并调试训练作业。
您可以在作者提供的该 Studio 演示存储库debugger.ipynb
笔记本文件和 mnist_keras_tf.py
训练脚本克隆到您的 SageMaker Studio 或 SageMaker 笔记本实例中。在克隆这两个文件后,请指定 debugger.ipynb
笔记本中的 mnist_keras_tf.py
文件的 keras_script_path
路径。例如,如果您将两个文件克隆到同一目录中,请将其设置为 keras_script_path =
"mnist_keras_tf.py"
。
深入了解 Amazon SageMaker Debugger 和 Amazon SageMaker Model Monitor
Julien Simon,AWS 技术宣传官 | 长度:44 分钟 34 秒
此视频讲座探讨了调试器和 SageMaker Model Monitor 的高级功能,这些功能有助于提高生产率和模型质量。首先,此视频说明了如何使用 Debugger 检测和修复训练问题,对张量进行可视化以及改进模型。接下来,从 22:41 开始,该视频说明了如何使用 SageMaker Model Monitor 在生产环境中监控模型并找出预测问题,例如缺少特征或数据偏差。最后,它提供了成本优化技巧,以帮助您充分利用机器学习预算。
您可以在作者提供的此 AWS Dev Days 2020 存储库