Integrierte Debugger-Regeln mit den Standard-Parametereinstellungen verwenden

Um die integrierten Debugger-Regeln in einem Estimator anzugeben, müssen Sie ein Listenobjekt konfigurieren. Der folgende Beispielcode zeigt die grundlegende Struktur der Auflistung der integrierten Debugger-Regeln:

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.
]

Weitere Informationen zu Standardparameterwerten und Beschreibungen der integrierten Regel finden Sie unter Liste der in den Debugger integrierten Regeln.

Die SageMaker Debugger API-Referenz finden Sie unter sagemaker.debugger.rule_configs und sagemaker.debugger.Rule.

Um beispielsweise die allgemeine Trainingsleistung und den Trainingsfortschritt Ihres Modells zu überprüfen, erstellen Sie einen SageMaker-AI-Schätzer mit der folgenden integrierten Regelkonfiguration.

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())
]

Wenn Sie den Trainingsauftrag starten, erfasst der Debugger standardmäßig alle 500 Millisekunden Daten zur Systemressourcenauslastung und die Verlust- und Genauigkeitswerte alle 500 Schritte. Der Debugger analysiert die Ressourcennutzung, um festzustellen, ob Ihr Modell Engpassprobleme aufweist. Der loss_not_decreasing, overfit, overtraining, und stalled_training_rule überwacht, ob Ihr Modell die Verlustfunktion optimiert, ohne dass diese Trainingsprobleme auftreten. Wenn die Regeln Trainingsanomalien erkennen, ändert sich der Status der Regelauswertung in IssueFound. Mit Amazon CloudWatch Events und AWS Lambda können Sie automatisierte Aktionen einrichten, z. B. das Melden von Trainingsproblemen und das Beenden von Trainingsaufträgen. Weitere Informationen finden Sie unter Aktion im Zusammenhang mit Amazon SageMaker Debugger-Regeln.