Amazon SageMaker-Debugger
Debuggen Sie Modellausgabetensoren von Trainingsjobs für Machine Learning in Echtzeit und erkennen Sie nicht konvergierende Probleme mit dem Amazon SageMaker Debugger.
Features von Amazon SageMaker Debugger
Bei einem Trainingsjob für Machine Learning (ML) können Probleme auftreten, wie z. B. eine Überanpassung, gesättigte Aktivierungsfunktionen und verschwindende Farbverläufe, die die Modellleistung beeinträchtigen können.
SageMaker Debugger bietet Tools zum Debuggen von Trainingsjobs und zum Beheben solcher Probleme, um die Leistung Ihres Modells zu verbessern. Der Debugger bietet auch Tools, mit denen Warnmeldungen gesendet werden können, wenn Trainingsanomalien festgestellt werden, Maßnahmen zur Behebung der Probleme ergriffen und die Hauptursache dafür identifiziert werden können, indem gesammelte Metriken und Tensoren visualisiert werden.
SageMaker Debugger unterstützt die Frameworks Apache MXNet, PyTorch, TensorFlow und XGBoost. Weitere Informationen zu verfügbaren Frameworks und Versionen, die vom SageMaker Debugger unterstützt werden, finden Sie unter Unterstützte Frameworks und Algorithmen.
Der High-Level-Debugger-Workflow sieht wie folgt aus:
-
Ändern Sie Ihr Trainingsskript bei Bedarf mit dem
sagemaker-debuggerPython-SDK. -
Konfigurieren Sie einen SageMaker-Trainingsjob mit SageMaker Debugger.
-
Konfigurieren Sie mit der SageMaker AI Estimator API (für Python SDK).
-
Konfigurieren Sie mithilfe der
CreateTrainingJob-Anfrage (für Boto3 oder CLI) von SageMaker AI. -
Konfigurieren Sie benutzerdefinierte Trainingscontainer mit dem SageMaker Debugger.
-
-
Starten Sie einen Trainingsjob und überwachen Sie Trainingsprobleme in Echtzeit.
-
Erhalten Sie Benachrichtigungen und ergreifen Sie umgehend Maßnahmen gegen die Trainingsprobleme.
-
Empfangen Sie SMS und E-Mails und beenden Sie Trainingsjobs, wenn Trainingsprobleme festgestellt werdenIntegrierte Debugger-Aktionen für Regeln verwenden.
-
Richten Sie Ihre eigenen Aktionen mit Amazon CloudWatch Events und AWS Lambda ein.
-
-
Erkunden Sie eine eingehende Analyse der Trainingsprobleme.
-
Informationen zum Debuggen von Modellausgabetensoren finden Sie unter Visualisieren Sie Debugger-Ausgabetensoren in TensorBoard.
-
-
Beheben Sie die Probleme, berücksichtigen Sie die Vorschläge des Debuggers und wiederholen Sie die Schritte 1–5, bis Sie Ihr Modell optimiert und die Zielgenauigkeit erreicht haben.
Das SageMaker Debugger-Entwicklerhandbuch führt Sie durch die folgenden Themen.
Themen
