Exemples de blocs-notes Debugger

Des exemples de blocs-notes SageMaker Debugger sont fournis dans le référentiel aws/amazon-sagemaker-examples. Les exemples de blocs-notes Debugger vous présentent des cas d'utilisation de niveau basique à avancé de tâches d'entraînement de débogage et de profilage.

Nous vous recommandons d'exécuter les exemples de blocs-notes sur SageMaker Studio ou sur une instance de bloc-notes SageMaker, car la plupart de ces exemples sont conçus pour des tâches d'entraînement dans l'écosystème SageMaker, y compris Amazon EC2, Amazon S3 et le kit SDK Python Amazon SageMaker.

Pour cloner l'exemple de référentiel vers SageMaker Studio, suivez les instructions de la rubrique Visite guidée Amazon SageMaker Studio.

Pour chercher les exemples d'une instance de bloc-notes SageMaker, suivez les instructions de la rubrique Exemples de blocs-notes SageMaker.

Important

Pour utiliser les nouvelles fonctions de Debugger, vous devez mettre à niveau le kit SDK Python SageMaker et la bibliothèque client SMDebug. Dans votre noyau iPython, bloc-notes Jupyter ou environnement JupyterLab, exécutez le code suivant pour installer les dernières versions des bibliothèques et redémarrer le noyau.

import sys
import IPython
!{sys.executable} -m pip install -U sagemaker smdebug
IPython.Application.instance().kernel.do_shutdown(True)

Exemple de blocs-notes Debugger pour le profilage des tâches d'entraînement

La liste suivante contient des exemples de blocs-notes Debugger présentant l'adaptabilité de Debugger au contrôle et au profilage des tâches d'entraînement pour divers modèles de machine learning, jeux de données et cadres.

Titre du bloc-notes	Cadre	Modèle	Jeux de données	Description
Analyse des données de profilage d'Amazon SageMaker Debugger	TensorFlow	Keras ResNet50	Cifar-10	Ce bloc-notes fournit une introduction à l'analyse interactive des données profilées capturées par SageMaker Debugger. Explorez toutes les fonctionnalités des outils d'analyse interactifs SMDebug.
Profiler l'entraînement de machine learning avec Amazon SageMaker Debugger	TensorFlow	Réseau neuronal convolutif 1-D	Jeu de données IMDB	Profilez un CNN 1-D TensorFlow pour une analyse de ressenti des données IMDB, qui consiste en critiques de films étiquetées comme ayant un ressenti positif ou négatif. Explorez les informations de Studio Debugger et le rapport de profilage de Debugger.
Profilage d'entraînement de modèle ResNet TensorFlow avec différents paramètres d'entraînement distribués	TensorFlow	ResNet50	Cifar-10	Exécutez des tâches d'entraînement TensorFlow avec différents paramètres d'entraînement distribués, contrôlez l'utilisation des ressources système et profilez les performances du modèle à l'aide de Debugger.
Profilage de l'entraînement de modèle PyTorch ResNet avec différents paramètres d'entraînement distribués	PyTorch	ResNet50	Cifar-10	Exécutez des tâches d'entraînement PyTorch avec différents paramètres d'entraînement distribués, contrôlez l'utilisation des ressources système et profilez les performances du modèle à l'aide de Debugger.

Exemple de blocs-notes Debugger pour l'analyse des paramètres de modèle

La liste suivante contient des exemples de blocs-notes Debugger présentant l'adaptabilité de Debugger au débogage des tâches d'entraînement pour divers modèles de machine learning, jeux de données et cadres.

Titre du bloc-notes	Cadre	Modèle	Jeux de données	Description
Amazon SageMaker Debugger : utilisation des règles intégrées (langue française non garantie)	TensorFlow	Réseau neuronal convolutif	MNIST	Utilisez les règles intégrées d'Amazon SageMaker Debugger pour le débogage d'un modèle TensorFlow.
Amazon SageMaker Debugger : Tensorflow 2.1 (langue française non garantie)	TensorFlow	ResNet50	Cifar-10	Utilisez la configuration de hook et les règles intégrées d'Amazon SageMaker Debugger pour déboguer un modèle avec le cadre Tensorflow 2.1.
Entraînement pour visualiser les tenseurs de débogage de MXNet	MXNet	Réseau neuronal convolutif Gluon	Fashion MNIST	Exécutez une tâche d'entraînement et configurez SageMaker Debugger pour stocker tous les tenseurs de cette tâche, puis visualisez ces tenseurs dans un bloc-notes.
Activer l'entraînement Spot avec Amazon SageMaker Debugger (langue française non garantie)	MXNet	Réseau neuronal convolutif Gluon	Fashion MNIST	Découvrez comment Debugger collecte des données de tenseurs à partir d'une tâche d'entraînement sur une instance Spot, et comment utiliser les règles intégrées de Debugger avec un entraînement Spot géré.
Expliquer un modèle XGBoost qui prédit le revenu d'un individu avec Amazon SageMaker Debugger	XGBoost	Régression XGBoost	Jeu de données du recensement des adultes	Découvrez comment utiliser le hook et les règles intégrées de Debugger pour collecter et visualiser des données de tenseurs à partir d'un modèle de régression XGBoost, telles que les valeurs de perte, les fonctions et les valeurs SHAP.

Pour trouver des visualisations avancées des paramètres de modèle et des cas d'utilisation, consultez la rubrique suivante : Démonstrations et visualisation avancées de Debugger.