Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Exemple : Affichage d’une courbe d’entraînement et de validation
<a name="train-valid-curve"></a>

En règle générale, vous divisez les données sur lesquelles vous entraînez votre modèle en jeux de données d’entraînement et de validation. Vous utilisez le jeu de données d’entraînement pour entraîner les paramètres du modèle qui sont utilisés pour effectuer des prédictions sur le jeu de données d’entraînement. Puis, vous testez la qualité des prédictions du modèle en calculant les prédictions pour le jeu de données de validation. Pour analyser les performances d’une tâche d’entraînement, vous tracez habituellement une courbe d’entraînement et une courbe de validation. 

L’affichage d’un graphique qui illustre la précision des jeux de données d’entraînement et de validation au fil du temps peut vous aider à améliorer la performance de votre modèle. Par exemple, si la précision du jeu de données d’entraînement continue d’augmenter au fil du temps, mais qu’à un moment donné, la précision du jeu de données de validation commence à diminuer, il est probable que votre modèle soit surajusté. Pour résoudre ce problème, vous pouvez ajuster votre modèle (par exemple, augmentation de la [régularisation](https://docs.aws.amazon.com/glossary/latest/reference/glos-chap.html#regularization)).

Pour cet exemple, vous pouvez utiliser l'mage-classification-full-trainingexemple **I** dans la section Exemples de **blocs-notes** de votre instance de bloc-notes SageMaker AI. Si vous ne possédez pas d'instance de SageMaker bloc-notes, créez-en une en suivant les instructions de[Création d'une instance Amazon SageMaker Notebook pour le didacticiel](gs-setup-working-env.md). Si vous préférez, vous pouvez suivre l'[exemple de classification d'images End-to-End multiclasses](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/imageclassification_caltech/Image-classification-fulltraining.html) dans le bloc-notes d'exemple ci-dessous. GitHub Vous avez également besoin d’un compartiment Amazon S3 pour stocker les données d’entraînement et pour la sortie du modèle.

**Pour consulter une courbe d’entraînement et une courbe de validation**

1. Ouvrez la console SageMaker AI à l'adresse [https://console.aws.amazon.com/sagemaker](https://console.aws.amazon.com/sagemaker).

1. Choisissez **Blocs-notes**, puis **Instances de blocs-notes**.

1. Choisissez l’instance de bloc-notes que vous souhaitez utiliser, puis choisissez **Ouvrir**.

1. Sur le tableau de bord de votre instance de bloc-notes, sélectionnez **SageMaker AI Examples**.

1. Développez la section **Introduction aux algorithmes Amazon**, puis choisissez **Utiliser** à côté de **I mage-classification-fulltraining .ipynb**.

1. Choisissez **Créer une copie**. SageMaker AI crée une copie modifiable du bloc-notes **I mage-classification-fulltraining .ipynb** dans votre instance de bloc-notes.

1. Exécutez toutes les cellules du bloc-notes jusqu’à la section **Inference (Inférence)**. Vous n’avez pas besoin de déployer un point de terminaison ou d’obtenir une inférence pour cet exemple.

1. Une fois le travail de formation démarré, ouvrez la CloudWatch console à l'adresse [https://console.aws.amazon.com/cloudwatch.](https://console.aws.amazon.com/cloudwatch)

1. Choisissez **Metrics**, puis choisissez**/aws/sagemaker/TrainingJobs**.

1. Sélectionnez **TrainingJobName**.

1. Sous l’onglet **Toutes les métriques**, sélectionnez les métriques **train:accuracy** et **validation:accuracy** pour la tâche d’entraînement que vous avez créée dans le bloc-notes.

1. Sur le graphique, sélectionnez une zone avec une valeur de métrique sur laquelle zoomer. Vous devriez voir un résultat similaire à l’exemple suivant.  
![\[Zone zoomée sur le graphique.\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/train-valid-acc.png)