Video tutorial su Debugger

I seguenti video forniscono un tour delle funzionalità di Amazon SageMaker Debugger utilizzando istanze SageMaker Studio e SageMaker notebook.

Modelli di debug con Amazon SageMaker Debugger in Studio

Julien Simon, AWS Technical Evangelist | Durata: 14 minuti 17 secondi

Questo video tutorial mostra come usare Amazon SageMaker Debugger per acquisire e controllare le informazioni di debug da un modello di formazione. Il modello di addestramento di esempio utilizzato in questo video è una semplice rete neurale convoluzionale (CNN) basata su Keras con backend. TensorFlow SageMaker in un TensorFlow framework e Debugger consentono di creare uno stimatore direttamente utilizzando lo script di addestramento ed eseguire il debug del processo di formazione.

Puoi trovare il notebook di esempio usato nel video in questo repository Studio Demo fornito dall'autore. È necessario clonare il file del debugger.ipynb notebook e lo script di mnist_keras_tf.py formazione su SageMaker Studio o su un'istanza del notebook. SageMaker Dopo aver clonato i due file, specifica il percorso keras_script_path verso il file mnist_keras_tf.py all'interno del notebook debugger.ipynb. Ad esempio, se hai clonato i due file nella stessa directory, impostala come keras_script_path = "mnist_keras_tf.py".

Approfondimento su Amazon SageMaker Debugger e Model Monitor SageMaker

Julien Simon, AWS Technical Evangelist | Durata: 44 minuti 34 secondi

Questa sessione video esplora le funzionalità avanzate di Debugger e SageMaker Model Monitor che aiutano a incrementare la produttività e la qualità dei modelli. Innanzitutto, questo video mostra come rilevare e risolvere i problemi di formazione, visualizzare i tensori e migliorare i modelli con Debugger. Successivamente, alle 22:41, il video mostra come monitorare i modelli in produzione e identificare problemi di previsione come le funzionalità mancanti o la deriva dei dati utilizzando Model Monitor. SageMaker Infine, puoi trovare dei suggerimenti per l'ottimizzazione dei costi che consentono di sfruttare al massimo il tuo budget relativo al machine learning.

Puoi trovare il notebook di esempio mostrato nel video in questo repository AWS Dev Days 2020 offerto dall'autore.