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.
L'essenza dell'addestramento di modelli di machine learning, reti neurali di deep learning e modelli di trasformazione consiste nel raggiungere una convergenza stabile dei modelli e, pertanto, state-of-the-art i modelli hanno milioni, miliardi o trilioni di parametri del modello. Il numero di operazioni per aggiornare l'enorme numero di parametri del modello durante ogni iterazione può facilmente diventare astronomico. Per identificare i problemi di convergenza del modello, è importante poter accedere ai parametri, alle attivazioni e ai gradienti del modello calcolati durante i processi di ottimizzazione.
Amazon SageMaker AI fornisce due strumenti di debug per aiutarti a identificare tali problemi di convergenza e ottenere visibilità nei tuoi modelli.
Amazon SageMaker AI con TensorBoard
Per offrire una maggiore compatibilità con gli strumenti della community open source all'interno della piattaforma SageMaker AI Training, l'IA ospita TensorBoard come applicazione nel dominio SageMaker AI. SageMaker Puoi trasferire i tuoi lavori di formazione all' SageMaker IA e continuare a utilizzare lo scrittore di TensorBoard riepilogo per raccogliere i tensori di output del modello. Poiché TensorBoard è implementato nel dominio SageMaker AI, ti offre anche più opzioni per gestire i profili utente del dominio SageMaker AI nel tuo AWS account e fornisce un controllo preciso sui profili utente concedendo l'accesso a azioni e risorse specifiche. Per ulteriori informazioni, consulta TensorBoard in Amazon SageMaker AI.
Amazon SageMaker Debugger
Amazon SageMaker Debugger è una funzionalità dell' SageMaker intelligenza artificiale che fornisce strumenti per registrare gli hook ai callback per estrarre i tensori di output del modello e salvarli in Amazon Simple Storage Service. Fornisce regole integrate per rilevare problemi di convergenza del modello, ad esempio sovradimensionamento, funzioni di attivazione saturate, gradienti decrescenti e altro ancora. Puoi anche configurare le regole integrate con Amazon CloudWatch Events AWS Lambda per intraprendere azioni automatiche contro i problemi rilevati e configurare Amazon Simple Notification Service per ricevere notifiche via e-mail o SMS. Per ulteriori informazioni, consulta Amazon SageMaker Debugger.
Argomenti
