本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Debugger 教學影片
下列影片提供使用 SageMaker Studio 和 SageMaker筆記本執行個體的 Amazon SageMaker Debugger 功能導覽。
Studio Classic 中的使用 Amazon SageMaker Debugger 偵錯模型
Julien Simon， AWS 技術進階人員 | 長度：14 分鐘 17 秒
本教學影片示範如何使用 Amazon SageMaker Debugger 從訓練模型擷取和檢查偵錯資訊。此影片中使用的訓練模型範例是簡單的卷積神經網路 （CNN），以 TensorFlow 架構 SageMaker 中具有 TensorFlow backend. 的 Keras 為基礎，Debugger 可讓您直接使用訓練指令碼建置估算器，並偵錯訓練任務。
您可以在作者於這個 Studio 示範儲存庫debugger.ipynb筆記本檔案和mnist_keras_tf.py訓練指令碼複製到您的 SageMaker Studio 或 SageMaker 筆記本執行個體。複製這兩個檔案之後，請指定通往 debugger.ipynb 筆記本內 mnist_keras_tf.py 檔案的路徑 keras_script_path。例如，如果您在同一個目錄中複製這兩個檔案，請設定為 keras_script_path =
"mnist_keras_tf.py"。
深入了解 Amazon SageMaker Debugger 和 SageMaker 模型監控
Julien Simon， AWS 技術發展師 | 長度：44 分鐘 34 秒
此影片工作階段會探索 Debugger 和 SageMaker 模型監控的進階功能，以協助提高生產力和模型的品質。首先，此影片示範如何偵測和修正訓練問題、視覺化張量，以及使用偵錯工具來改善模型。接下來，在 22：41 時，影片會示範如何監控生產中的模型，並使用 SageMaker 模型監控識別預測問題，例如缺少功能或資料偏離。最後，提供成本最佳化秘訣，協助您最有效運用機器學習預算。
您可以在作者於這個 AWS
Dev Days 2020 儲存庫
