Tensor-Sammlungen mithilfe der CollectionConfig API konfigurieren
Verwenden Sie den CollectionConfig API-Vorgang, um Tensorsammlungen zu konfigurieren. Debugger bietet vorgefertigte Tensorsammlungen, die eine Vielzahl von regulären Ausdrücken (Regex) von Parametern abdecken, wenn Debugger-unterstützte Deep-Learning-Frameworks und Algorithmen für Machine Learning verwendet werden. Fügen Sie, wie im folgenden Beispielcode gezeigt, die integrierten Tensorsammlungen hinzu, die Sie debuggen möchten.
from sagemaker.debugger import CollectionConfig collection_configs=[ CollectionConfig(name="weights"), CollectionConfig(name="gradients") ]
Die vorherigen Sammlungen haben den Debugger-Hook so eingerichtet, dass er die Tensoren alle 500 Schritte basierend auf dem "save_interval" Standardwert speichert.
Eine vollständige Liste der verfügbaren integrierten Debugger-Sammlungen finden Sie unter Integrierte Debugger-Sammlungen
Wenn Sie die integrierten Sammlungen anpassen möchten, z. B. die Speicherintervalle und den Tensor-Regex ändern möchten, verwenden Sie die folgende CollectionConfig Vorlage, um die Parameter anzupassen.
from sagemaker.debugger import CollectionConfig collection_configs=[ CollectionConfig( name="tensor_collection", parameters={ "key_1": "value_1", "key_2": "value_2", ... "key_n": "value_n" } ) ]
Weitere Informationen zu verfügbaren Parameterschlüsseln finden Sie unter CollectionConfig
from sagemaker.debugger import CollectionConfig collection_configs=[ CollectionConfig( name="losses", parameters={ "train.save_interval": "100", "eval.save_interval": "10" } ) ]
Tipp
Dieses Konfigurationsobjekt für die Tensorsammlung kann sowohl für DebuggerHookConfig als auch für Rule API-Operationen verwendet werden.