配置 Debugger 内置规则
Amazon SageMaker Debugger 的内置规则分析模型在训练期间发出的张量。SageMaker Debugger 提供 Rule
API 操作,用于监控训练作业进度和错误,以成功训练模型。例如,规则可以检测梯度变得过大还是太小,模型是过度拟合还是过度训练,以及训练作业是否没有减少损失函数和实现改善。要查看可用内置规则的完整列表,请参阅 Debugger 内置规则列表。
在以下主题中,您将学习如何使用 SageMaker Debugger 内置规则。
使用带有默认参数设置的 Debugger 内置规则
要在估算器中指定 Debugger 内置规则,您需要配置列表对象。以下示例代码显示了列出 Debugger 内置规则的基本结构:
from sagemaker.debugger import Rule, rule_configs rules=[ Rule.sagemaker(rule_configs.
built_in_rule_name_1
()), Rule.sagemaker(rule_configs.built_in_rule_name_2
()), ... Rule.sagemaker(rule_configs.built_in_rule_name_n
()), ... # You can also append more profiler rules in the ProfilerRule.sagemaker(rule_configs.*()) format. ]
有关内置规则的默认参数值和说明的详细信息,请参阅 Debugger 内置规则列表。
要查找 SageMaker Debugger API 参考,请参阅 sagemaker.debugger.rule_configs
sagemaker.debugger.Rule
例如,要检查模型的整体训练性能和进度,请使用以下内置规则配置构造一个 SageMaker 估算器。
from sagemaker.debugger import Rule, rule_configs rules=[ Rule.sagemaker(rule_configs.
loss_not_decreasing
()), Rule.sagemaker(rule_configs.overfit
()), Rule.sagemaker(rule_configs.overtraining
()), Rule.sagemaker(rule_configs.stalled_training_rule
()) ]
当您启动训练作业时,默认情况下,Debugger 每 500 毫秒收集一次系统资源利用率数据,每 500 个步骤收集一次损失和准确性值。Debugger 分析资源利用率,以确定您的模型是否存在瓶颈问题。loss_not_decreasing
、overfit
、overtraining
和 stalled_training_rule
监控模型是否在优化损失函数而没有这些训练问题。当规则检测到训练异常时,规则评估状态将更改为 IssueFound
。您可以设置自动操作,例如使用 Amazon CloudWatch Events 和 Amazon Lambda 来提供训练问题通知和停止训练作业。有关更多信息,请参阅 Amazon SageMaker Debugger 规则上的操作。
使用带有自定义参数值的 Debugger 内置规则
如果您要调整内置的规则参数值并自定义张量集合正则表达式,请配置 ProfilerRule.sagemaker
和 Rule.sagemaker
类方法的 base_config
和 rule_parameters
参数。使用 Rule.sagemaker
类方法时,您也可以通过 collections_to_save
参数自定义张量集合。使用 CollectionConfig API 配置张量集合 中提供了如何使用 CollectionConfig
类的说明。
为内置规则使用以下配置模板来自定义参数值。通过根据需要更改规则参数,您可以调整规则触发的敏感度。
-
您在
base_config
参数中调用内置规则方法。 -
rule_parameters
参数用于调整 Debugger 内置规则列表 中列出的内置规则的默认键值。 -
collections_to_save
参数通过CollectionConfig
API 获取张量配置,这需要name
和parameters
参数。-
要查找
name
的可用张量集合,请参阅 Debugger 内置张量集合。 -
有关可调整
parameters
的完整列表,请参阅 Debugger CollectionConfig API。
-
有关 Debugger 规则类、方法和参数的更多信息,请参阅 Amazon SageMaker Python SDK
from sagemaker.debugger import Rule, ProfilerRule, rule_configs, CollectionConfig rules=[ Rule.sagemaker( base_config=rule_configs.
built_in_rule_name
(), rule_parameters={ "key
": "value
" }, collections_to_save=[ CollectionConfig( name="tensor_collection_name
", parameters={ "key
": "value
" } ) ] ) ]
各个规则的参数描述和值自定义示例均在 Debugger 内置规则列表 中提供。
配置 Debugger 规则的笔记本示例和代码示例
以下几个部分提供了笔记本和代码示例,讲解如何使用 Debugger 规则监控 SageMaker 训练作业。
Debugger 内置规则示例笔记本
以下示例笔记本演示了在使用 Amazon SageMaker 运行训练作业时如何使用 Debugger 内置规则:
在 SageMaker Studio 中运行示例笔记本时,您可以在 Studio 实验列表选项卡中找到所创建的训练作业试验。例如,如以下屏幕截图所示,您可以找到并打开当前训练作业的描述试验组件窗口。在“Debugger”选项卡上,您可以检查 Debugger 规则 vanishing_gradient()
和 loss_not_decreasing()
是否并行监视训练会话。有关如何在 Studio UI 中查找训练作业试验组件的完整说明,请参阅 SageMaker Studio – 查看实验、试验和试验组件。
在 SageMaker 环境中使用 Debugger 内置规则的方法有两种:在准备好内置规则后部署内置规则,或者根据需要调整其参数。以下主题向您演示了如何将内置规则与示例代码结合使用。
Debugger 内置规则示例代码
以下代码示例演示如何使用 Rule.sagemaker
方法设置 Debugger 内置规则。要指定所要运行的内置规则,请使用 rules_configs
API 操作调用内置规则。要查找 Debugger 内置规则和默认参数值的完整列表,请参阅 Debugger 内置规则列表。
import sagemaker from sagemaker.tensorflow import TensorFlow from sagemaker.debugger import Rule, CollectionConfig, rule_configs # call built-in rules that you want to use. built_in_rules=[ Rule.sagemaker(rule_configs.vanishing_gradient()) Rule.sagemaker(rule_configs.loss_not_decreasing()) ] # construct a SageMaker estimator with the Debugger built-in rules sagemaker_estimator=TensorFlow( entry_point='directory/to/your_training_script.py', role=sm.get_execution_role(), base_job_name='debugger-built-in-rules-demo', instance_count=1, instance_type="
ml.p3.2xlarge
", framework_version="2.9.0
", py_version="py39
", # debugger-specific arguments below rules=built_in_rules ) sagemaker_estimator.fit()
注意
Debugger 内置规则与您的训练作业并行运行。训练作业的内置规则容器的最大数量为 20 个。
有关 Debugger 规则类、方法和参数的更多信息,请参阅 Amazon SageMaker Python SDK
要查找如何调整 Debugger 规则参数的示例,请参阅以下 使用 Debugger 内置规则并修改参数 部分。
使用 Debugger 内置规则并修改参数
下面的代码示例显示了用于调整参数的内置规则的结构。在此示例中,stalled_training_rule
每 50 个步骤收集一次 losses
张量,每 10 个步骤评估一次阶段。如果训练过程开始停滞并且在 120 秒内没有收集到任何张量输出,那么 stalled_training_rule
停止训练作业。
import sagemaker from sagemaker.tensorflow import TensorFlow from sagemaker.debugger import Rule, CollectionConfig, rule_configs # call the built-in rules and modify the CollectionConfig parameters base_job_name_prefix= 'smdebug-stalled-demo-' + str(int(time.time())) built_in_rules_modified=[ Rule.sagemaker( base_config=rule_configs.stalled_training_rule(), rule_parameters={ 'threshold': '120', 'training_job_name_prefix': base_job_name_prefix, 'stop_training_on_fire' : 'True' } collections_to_save=[ CollectionConfig( name="losses", parameters={ "train.save_interval": "50" "eval.save_interval": "10" } ) ] ) ] # construct a SageMaker estimator with the modified Debugger built-in rule sagemaker_estimator=TensorFlow( entry_point='directory/to/your_training_script.py', role=sm.get_execution_role(), base_job_name=base_job_name_prefix, instance_count=1, instance_type="
ml.p3.2xlarge
", framework_version="2.9.0
", py_version="py39
", # debugger-specific arguments below rules=built_in_rules_modified ) sagemaker_estimator.fit()
有关使用 CreateTrainingJob
API 对 Debugger 内置规则进行高级配置的信息,请参阅使用 Amazon SageMaker API 配置 Debugger。