使用 設定張量集合 CollectionConfig API

使用 CollectionConfigAPI操作來設定張量集合。如果使用 Debugger 支援的深度學習架構和機器學習演算法，Debugger 提供預先構建的張量集合，涵蓋各種參數的正規表示式 (regex)。如下列範例程式碼所示，新增您要偵錯的內建張量集合。

from sagemaker.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(name="weights"),
    CollectionConfig(name="gradients")
]

前面的集合設定了 Debugger 勾點，基於預設的 "save_interval" 值，每 500 個步驟儲存張量。

如需可用 Debugger 內建集合的完整清單，請參閱 Debugger 內建集合。

如果您想自訂內建集合，例如變更儲存間隔和張量規則表達式，請使用下列 CollectionConfig 範本調整參數。

from sagemaker.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="tensor_collection",
        parameters={
            "key_1": "value_1",
            "key_2": "value_2",
            ...
            "key_n": "value_n"
        }
    )
]

如需可用參數金鑰的詳細資訊，請參閱 Amazon Python CollectionConfig中的 。 SageMaker SDK例如，下列程式碼範例會示範如何在不同訓練階段調整 “遺失” 張量集合的儲存間隔：在訓練階段每 100 個步驟儲存一次遺失，並在驗證階段每 10 個步驟儲存一次驗證遺失。

from sagemaker.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="losses",
        parameters={
            "train.save_interval": "100",
            "eval.save_interval": "10"
        }
    )
]