Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Notebook contoh debugger
<a name="debugger-notebooks"></a>

**catatan**  
Amazon SageMaker Debugger tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Debugger, tetapi kami tidak berencana untuk memperkenalkan fitur baru. Untuk informasi selengkapnya, lihat [Perubahan ketersediaan debugger](debugger-availability-change.md). 

[SageMaker Notebook contoh debugger ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/) disediakan di repositori [ aws/amazon -sagemaker-examples](https://github.com/aws/amazon-sagemaker-examples). Notebook contoh Debugger memandu Anda melalui kasus penggunaan dasar hingga lanjutan dari pekerjaan pelatihan debugging dan pembuatan profil. 

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

Untuk mengkloning repositori contoh ke SageMaker Studio, ikuti petunjuk di [ Amazon SageMaker Studio Tour](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-end-to-end.html).

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

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

## Notebook contoh debugger untuk membuat profil pekerjaan pelatihan
<a name="debugger-notebooks-profiling"></a>

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


| Judul Notebook | Kerangka Kerja | Model | Set data | Deskripsi | 
| --- | --- | --- | --- | --- | 
| [Analisis Data SageMaker Profil Amazon Debugger ](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/debugger_interactive_analysis_profiling/interactive_analysis_profiling_data.html) | TensorFlow | Keras ResNet 50 | Cifar-10 | Buku catatan 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 ](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/tensorflow_nlp_sentiment_analysis/sentiment-analysis-tf-distributed-training-bringyourownscript.html) | 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 laporan wawasan Studio Debugger dan profil Debugger. | 
| [Pel TensorFlow ResNet atihan model profil dengan berbagai pengaturan pelatihan terdistribusi ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/tensorflow_profiling) | TensorFlow | ResNet50 | Cifar-10 | Jalan TensorFlow kan pekerjaan pelatihan dengan berbagai pengaturan pelatihan terdistribusi, pantau pemanfaatan sumber daya sistem, dan kinerja model profil menggunakan Debugger. | 
| [Pel PyTorch ResNet atihan model profil dengan berbagai pengaturan pelatihan terdistribusi ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/pytorch_profiling)  | PyTorch | ResNet50 | Cifar-10 | Jalan PyTorch kan pekerjaan pelatihan dengan berbagai pengaturan pelatihan terdistribusi, pantau pemanfaatan sumber daya sistem, dan kinerja model profil menggunakan Debugger. | 

## Notebook contoh debugger untuk menganalisis parameter model
<a name="debugger-notebooks-debugging"></a>

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


| Judul Notebook | Kerangka Kerja | Model | Set data | Deskripsi | 
| --- | --- | --- | --- | --- | 
| [Amazon SageMaker Debugger - Gunakan aturan bawaan ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/tensorflow_builtin_rule) | TensorFlow | Jaringan Saraf Konvolusi | MNIST | Gunakan aturan bawaan Amazon SageMaker Debugger untuk men-debug TensorFlow model. | 
| [ SageMaker Debugger Amazon - Tensorflow 2.1 ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/tensorflow2) | TensorFlow | ResNet50 | Cifar-10 | Gunakan konfigurasi kait Amazon SageMaker Debugger dan aturan bawaan untuk men-debug model dengan kerangka kerja Tensorflow 2.1. | 
| [Memvisualisasikan Tensor Debugging dari pelatihan MXnet ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/mnist_tensor_plot) | 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 ](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker-debugger/mxnet_spot_training)  | 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 ](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/xgboost_census_explanations/xgboost-census-debugger-rules.html) | XGBoost | Regresi XGBoost | [Dataset Sensus Dewasa ](https://archive.ics.uci.edu/ml/datasets/adult) | Pelajari cara menggunakan pengait 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 dan visualisasi lanjutan](debugger-visualization.md).