Opérations d'Amazon SageMaker Debugger API

Amazon SageMaker Debugger est API présent sur plusieurs sites et est utilisé pour mettre en œuvre la surveillance et l'analyse de la formation des modèles.

Amazon SageMaker Debugger fournit également le sagemaker-debuggerPython open source SDK qui est utilisé pour configurer des règles intégrées, définir des règles personnalisées et enregistrer des hooks afin de collecter des données tensorielles de sortie à partir de tâches de formation.

L'Amazon SageMaker Python SDK est un outil de haut niveau SDK axé sur l'expérimentation de l'apprentissage automatique. Ils SDK peuvent être utilisés pour déployer des règles intégrées ou personnalisées définies avec la bibliothèque SMDebug Python afin de surveiller et d'analyser ces tenseurs à l'aide d' SageMaker estimateurs.

Debugger a ajouté des opérations et des types à Amazon SageMaker API qui permettent à la plateforme d'utiliser Debugger lors de l'entraînement d'un modèle et de gérer la configuration des entrées et des sorties.

• CreateTrainingJobet UpdateTrainingJobutilisez le débogueur suivant APIs pour configurer les collections de tenseurs, les règles, les images de règles et les options de profilage :

  • CollectionConfiguration

  • DebugHookConfig

  • DebugRuleConfiguration

  • TensorBoardOutputConfig

  • ProfilerConfig

  • ProfilerRuleConfiguration

• DescribeTrainingJob fournit une description complète d'une tâche d'entraînement, y compris les configurations Debugger et les statuts d'évaluation de règle suivants :

  • DebugHookConfig

  • DebugRuleConfiguration

  • DebugRuleEvaluationStatus

  • ProfilerConfig

  • ProfilerRuleConfiguration

  • ProfilerRuleEvaluationStatus

Les API opérations de configuration des règles utilisent la fonctionnalité SageMaker de traitement lors de l'analyse d'un modèle d'entraînement. Pour plus d'informations sur SageMaker le traitement, consultezUtiliser des tâches de traitement pour exécuter des charges de travail de transformation de données.