Debugger 教學影片

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。

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。

下列影片提供使用 Amazon SageMaker SageMaker SageMaker Debugger 功能導覽。

在 Studio Classic 中使用 Amazon SageMaker Debugger 偵錯模型

Julien Simon， AWS 技術發展師 | 長度：14 分鐘 17 秒

本教學影片示範如何使用 Amazon SageMaker Debugger，從訓練模型中擷取和檢查偵錯資訊。此影片中使用的訓練模型範例，是以 Keras 為基礎，搭配 TensorFlow 後端的簡單卷積神經網路 (CNN)。TensorFlow 架構和 Debugger 中的 SageMaker AI 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 示範儲存庫提供的影片中，找到此範例筆記本。您需要將 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 AI 模型監控

Julien Simon， AWS 技術發展師 | 長度：44 分鐘 34 秒

這一集影片探討 Debugger 和 SageMaker Model Monitor 的進階功能，有助於提升模型的生產力和品質。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，影片會示範如何使用 SageMaker AI Model Monitor 監控生產中的模型，並識別預測問題，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 儲存庫提供的影片中，找到此範例筆記本。