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。
Debugger 教程视频
以下视频介绍了使用 SageMaker Studio 和 SageMaker笔记本实例的 Amazon SageMaker 调试器功能。
在 Studio 中使用 Amazon SageMaker 调试器调试模型
AWS 技术传播者朱利安·西蒙 | 时长:14 分 17 秒
本教程视频演示了如何使用 Amazon SageMaker Debugger 捕获和检查训练模型中的调试信息。本视频中使用的示例训练模型是一个基于带有后端的 Keras 的简单卷积神经网络 (CNN)。 TensorFlow SageMaker 在 TensorFlow 框架和调试器中,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 SageMaker Studio 或 SageMaker 笔记本实例。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 调试器和 SageMaker 模型监视器
AWS 技术传播者朱利安·西蒙 | 时长:44 分 34 秒
本视频会议探讨了调试器和 SageMaker 模型监视器的高级功能,这些功能有助于提高工作效率和模型质量。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,在 22:41,视频展示了如何使用 SageMaker 模型监视器监控生产中的模型并识别预测问题,例如缺少特征或数据漂移。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