Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Monitora l'utilizzo delle risorse di AWS calcolo in Amazon Studio Classic SageMaker
Per monitorare l'utilizzo delle risorse di calcolo del tuo lavoro di formazione, utilizza gli strumenti di monitoraggio offerti da Amazon SageMaker Debugger.
Per qualsiasi processo di formazione eseguito SageMaker utilizzando SageMaker Python SDK, Debugger raccoglie metriche di base sull'utilizzo delle risorse, come l'utilizzo della CPU, l'utilizzo della GPU, l'utilizzo della memoria GPU, la rete e il tempo di attesa I/O ogni 500 millisecondi. Per visualizzare la dashboard delle metriche di utilizzo delle risorse del tuo processo di formazione, usa semplicemente l'interfaccia utente di Debugger in Studio Experiments. SageMaker SageMaker
Le operazioni e le fasi di deep learning potrebbero funzionare a intervalli di millisecondi. Rispetto ai CloudWatch parametri di Amazon, che raccolgono i parametri a intervalli di 1 secondo, Debugger fornisce una granularità più precisa dei parametri di utilizzo delle risorse, fino a intervalli di 100 millisecondi (0,1 secondi), in modo da poter approfondire le metriche a livello di un'operazione o di una fase.
Se desideri modificare l'intervallo di tempo della raccolta di parametri, puoi aggiungere un parametro per la configurazione della profilazione all’utilità di avvio del processo di addestramento. Ad esempio, se utilizzi SageMaker Python SDK, devi passare il profiler_config parametro quando crei un oggetto estimatore. Per informazioni su come regolare l'intervallo di raccolta dei parametri di utilizzo delle risorse, consulta Modello di codice per la configurazione di un oggetto SageMaker estimatore con i moduli SageMaker Debugger Python nell'SDK Python SageMaker e poi Configurazione delle impostazioni per la profilazione di base dell'utilizzo delle risorse di sistema.
Inoltre, puoi aggiungere strumenti di rilevamento dei problemi denominati regole di profilazione integrate fornite da Debugger. SageMaker Le regole di profilazione integrate eseguono analisi rispetto ai parametri di utilizzo delle risorse e rilevano eventuali problemi alle prestazioni di calcolo. Per ulteriori informazioni, consulta Configura le regole di profilazione integrate gestite da Amazon SageMaker Debugger. È possibile ricevere i risultati dell'analisi delle regole tramite l'interfaccia utente Debugger in Studio Experiments o il SageMaker Debugger Profiling Report SageMaker . SageMaker
Per ulteriori informazioni sulle funzionalità di monitoraggio fornite da SageMaker Debugger, consulta i seguenti argomenti.
Argomenti
- Configura uno stimatore con parametri per la profilazione di base utilizzando i moduli Amazon SageMaker Debugger Python
- Configura le regole di profilazione integrate gestite da Amazon SageMaker Debugger
- Elenco delle regole del profiler integrate di Debugger
- Esperimenti dell'interfaccia utente di Amazon SageMaker Debugger in Amazon Studio Classic SageMaker
- SageMaker Report interattivo del debugger
- Analizza i dati utilizzando la libreria client Python di Debugger
