Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Video tutorial Debugger
catatan
Amazon SageMaker Debugger tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Debugger, tetapi kami tidak berencana untuk memperkenalkan fitur baru. Untuk informasi selengkapnya, lihat Perubahan ketersediaan debugger.
Video berikut memberikan tur kemampuan Amazon SageMaker Debugger menggunakan instans notebook SageMaker Studio dan SageMaker AI.
Topik
Model debugging dengan Amazon SageMaker Debugger di Studio Classic
Julien Simon, AWS Technical Evangelist | Durasi: 14 menit 17 detik
Video tutorial ini menunjukkan cara menggunakan Amazon SageMaker Debugger untuk menangkap dan memeriksa informasi debugging dari model pelatihan. Contoh model pelatihan yang digunakan dalam video ini adalah jaringan saraf convolutional sederhana (CNN) berdasarkan Keras dengan backend. TensorFlow SageMaker AI dalam TensorFlow kerangka kerja dan Debugger memungkinkan Anda untuk membangun secara ModelTrainer langsung menggunakan skrip pelatihan dan men-debug pekerjaan pelatihan.
Anda dapat menemukan contoh notebook dalam video di repositori Demo Studio ini debugger.ipynb catatan dan skrip mnist_keras_tf.py pelatihan ke SageMaker Studio atau instance SageMaker buku catatan. Setelah Anda mengkloning dua file, tentukan jalur keras_script_path ke mnist_keras_tf.py file di dalam debugger.ipynb notebook. Misalnya, jika Anda mengkloning dua file dalam direktori yang sama, setel sebagaikeras_script_path =
"mnist_keras_tf.py".
Menyelami lebih dalam tentang Amazon SageMaker Debugger dan SageMaker monitor model AI
Julien Simon, AWS Technical Evangelist | Durasi: 44 menit 34 detik
Sesi video ini mengeksplorasi fitur-fitur canggih Debugger dan SageMaker Model Monitor yang membantu meningkatkan produktivitas dan kualitas model Anda. Pertama, video ini menunjukkan cara mendeteksi dan memperbaiki masalah pelatihan, memvisualisasikan tensor, dan meningkatkan model dengan Debugger. Selanjutnya, pada 22:41, video menunjukkan cara memantau model dalam produksi dan mengidentifikasi masalah prediksi seperti fitur yang hilang atau penyimpangan data menggunakan SageMaker AI Model Monitor. Akhirnya, ia menawarkan tips pengoptimalan biaya untuk membantu Anda memaksimalkan anggaran pembelajaran mesin Anda.
Anda dapat menemukan contoh buku catatan dalam video di reposit ori AWS
Dev Days 2020
