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。
调试程序教程视频
以下视频说明了 Amazon SageMaker 调试程序使用 SageMaker Studio 和 SageMaker 笔记本实例的功能。
主题
使用 Amazon SageMaker 调试器分析、检测训练运行问题并获得警报
艾米莉·韦伯,AmazonMachine Learning 专家 | 长度:13 分 54 秒
本教程视频将为您介绍 Amazon SageMaker 调试器,以便使用 MxNet 捕获、调试和可视化训练模型中的模型输出数据。了解 Amazon SageMaker 调试器如何通过自动捕获指标、分析训练运行情况和检测问题来使培训过程透明。
您可以在该视频中找到该视频中的示例笔记本可视化 MXNet 训练的调试张量
在 Studio 中使用 Amazon SageMaker 调试程序调试模型
朱利安·西蒙,Amazon技术宣传官 | 长度:14 分 17 秒
该教程视频说明了如何使用 Amazon SageMaker 调试程序从训练模型中捕获和检查调试信息。该视频中使用的示例训练模型是一个简单卷积神经网络 (CNN),它基于具有 TensorFlow 后端的 Keras。使用 TensorFlow 框架中的 SageMaker 和调试程序,您可以直接使用训练脚本构建评估程序并调试训练作业。
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
将脚本训练到您的 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,如果将这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 调试程序和 SageMaker 模型监控器
朱利安·西蒙,Amazon技术宣传官 | 长度:44 分 34 秒
该视频会话介绍了调试程序和 SageMaker 模型监控器的高级功能,这些功能有助于提高生产率和模型质量。首先,该视频说明了如何使用调试程序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 分 41 秒,该视频说明了如何使用 SageMaker 模型监控器在生产环境中监控模型并找出预测问题,例如缺少功能或数据偏差。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。
您可以在中找到该视频中的示例笔记本这个Amazon2020 年开发日存储库