Notebook Contoh Debugger

SageMaker Notebook contoh debugger disediakan di aws/ repositori. amazon-sagemaker-examples Notebook contoh Debugger memandu Anda melalui kasus penggunaan dasar hingga lanjutan dari pekerjaan pelatihan debugging dan pembuatan profil.

Sebaiknya Anda menjalankan contoh notebook di SageMaker Studio atau instance SageMaker Notebook karena sebagian besar contoh dirancang untuk melatih pekerjaan di SageMaker ekosistem, termasuk Amazon EC2, Amazon S3, dan Amazon SageMaker Python SDK.

Untuk mengkloning repositori contoh ke SageMaker Studio, ikuti petunjuk di Amazon SageMaker Studio Tour.

Untuk menemukan contoh dalam instance SageMaker Notebook, ikuti petunjuk di SageMaker Notebook Contoh Instance Notebook.

penting

Untuk menggunakan fitur Debugger baru, Anda perlu memutakhirkan SageMaker Python SDK dan pustaka klien. SMDebug Di kernel IPython Anda, Jupyter Notebook, JupyterLab atau lingkungan, jalankan kode berikut untuk menginstal versi terbaru dari pustaka dan restart kernel.

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

Contoh Debugger Notebook untuk Pekerjaan Pelatihan Profil

Daftar berikut menunjukkan contoh buku catatan Debugger yang memperkenalkan kemampuan beradaptasi Debugger untuk memantau dan memprofilkan pekerjaan pelatihan untuk berbagai model pembelajaran mesin, kumpulan data, dan kerangka kerja.

Judul Notebook	Kerangka Kerja	Model	Set data	Deskripsi
Analisis Data Profil Amazon SageMaker Debugger	TensorFlow	Keras ResNet 50	Cifar-10	Notebook ini memberikan pengantar analisis interaktif data profil yang ditangkap oleh SageMaker Debugger. Jelajahi fungsionalitas penuh dari alat analisis SMDebug interaktif.
Pelatihan pembelajaran mesin profil dengan Amazon SageMaker Debugger	TensorFlow	Jaringan Saraf Konvolusi 1-D	Dataset IMDB	Buat profil CNN TensorFlow 1-D untuk analisis sentimen data IMDB yang terdiri dari ulasan film yang diberi label memiliki sentimen positif atau negatif. Jelajahi wawasan Studio Debugger dan laporan pembuatan profil Debugger.
Pelatihan TensorFlow ResNet model pembuatan profil dengan berbagai pengaturan pelatihan terdistribusi	TensorFlow	ResNet50	Cifar-10	Jalankan pekerjaan TensorFlow pelatihan dengan berbagai pengaturan pelatihan terdistribusi, pantau pemanfaatan sumber daya sistem, dan kinerja model profil menggunakan Debugger.
Pelatihan PyTorch ResNet model pembuatan profil dengan berbagai pengaturan pelatihan terdistribusi	PyTorch	ResNet50	Cifar-10	Jalankan pekerjaan PyTorch pelatihan dengan berbagai pengaturan pelatihan terdistribusi, pantau pemanfaatan sumber daya sistem, dan kinerja model profil menggunakan Debugger.

Contoh Notebook Debugger untuk Menganalisis Parameter Model

Daftar berikut menunjukkan contoh buku catatan Debugger yang memperkenalkan kemampuan beradaptasi Debugger untuk men-debug pekerjaan pelatihan untuk berbagai model pembelajaran mesin, kumpulan data, dan kerangka kerja.

Judul Notebook	Kerangka Kerja	Model	Set data	Deskripsi
Amazon SageMaker Debugger - Gunakan aturan bawaan	TensorFlow	Jaringan Saraf Konvolusional	MNIST	Gunakan aturan bawaan Amazon SageMaker Debugger untuk men-debug model. TensorFlow
Amazon SageMaker Debugger - Tensorflow 2.1	TensorFlow	ResNet50	Cifar-10	Gunakan konfigurasi kait Amazon SageMaker Debugger dan aturan bawaan untuk men-debug model dengan framework Tensorflow 2.1.
Memvisualisasikan Tensor Debugging dari pelatihan MXNet	MXNet	Jaringan Saraf Konvolusi Gluon	Mode MNIST	Jalankan pekerjaan pelatihan dan konfigurasikan SageMaker Debugger untuk menyimpan semua tensor dari pekerjaan ini, lalu visualisasikan tensor tersebut di notebook.
Aktifkan Pelatihan Spot dengan Amazon SageMaker Debugger	MXNet	Jaringan Saraf Konvolusi Gluon	Mode MNIST	Pelajari cara Debugger mengumpulkan data tensor dari pekerjaan pelatihan pada instance spot, dan cara menggunakan aturan bawaan Debugger dengan pelatihan spot terkelola.
Jelaskan model XGBoost yang memprediksi pendapatan individu dengan Amazon Debugger SageMaker	XGBoost	Regresi XGBoost	Dataset Sensus Dewasa	Pelajari cara menggunakan kait Debugger dan aturan bawaan untuk mengumpulkan dan memvisualisasikan data tensor dari model regresi XGBoost, seperti nilai kerugian, fitur, dan nilai SHAP.

Untuk menemukan visualisasi lanjutan dari parameter model dan kasus penggunaan, lihat topik berikutnya di. Debugger Demo Lanjutan dan Visualisasi