翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
デバッガーサンプルノートブック
SageMaker デバッガーサンプルノートブックは
サンプルノートブックは SageMaker Studio または SageMaker ノートブックインスタンスで実行することをお勧めします。ほとんどのサンプルは、Amazon EC2、Amazon S3、Amazon SageMaker Python SDK などの SageMaker エコシステムでのトレーニングジョブ用に設計されています。
サンプルリポジトリのクローンを SageMaker Studio に作成するには、「Amazon SageMaker StudioTAK」の手順に従います。
SageMaker ノートブックインスタンスでサンプルを検索するには、SageMaker 「ノートブックインスタンスサンプルノートブック」の手順に従います。
重要
新しいデバッガー機能を使用するには、 SageMaker Python SDK とSMDebug
クライアントライブラリをアップグレードする必要があります。iPython カーネル、Jupyter Notebook、または JupyterLab 環境で、次のコードを実行して最新バージョンのライブラリをインストールし、カーネルを再起動します。
import sys import IPython !{sys.executable} -m pip install -U sagemaker smdebug IPython.Application.instance().kernel.do_shutdown(True)
トレーニングジョブをプロファイリングするためのデバッガーサンプルノートブック
次のリストは、さまざまな機械学習モデル、データセット、フレームワークのトレーニングジョブをモニタリングおよびプロファイリングするためのデバッガーの適応性を紹介するデバッガーサンプルノートブックを示しています。
ノートブックのタイトル | フレームワーク | モデル | データセット | 説明 |
---|---|---|---|---|
TensorFlow |
Keras ResNet50 |
Cifar-10 |
このノートブックでは、 SageMaker デバッガーがキャプチャしたプロファイルデータのインタラクティブな分析の概要を説明します。 |
|
TensorFlow |
1 次元の畳み込みニューラルネットワーク |
IMDB データセット |
肯定的または否定的な感情を持つとラベル付けされた映画レビューで構成される IMDB データの感情分析のための TensorFlow 1-D CNN をプロファイリングします。Studio デバッガーのインサイトとデバッガープロファイリングレポートをよく見てください。 |
|
TensorFlow |
ResNet50 | Cifar-10 |
デバッガーを使って、さまざまな分散 TensorFlow トレーニング設定でトレーニングジョブを実行し、システムリソースの使用率をモニタリングし、モデルのパフォーマンスをプロファイリングします。 |
|
PyTorch |
ResNet50 |
Cifar-10 |
デバッガーを使って、さまざまな分散 PyTorch トレーニング設定でトレーニングジョブを実行し、システムリソースの使用率をモニタリングし、モデルのパフォーマンスをプロファイリングします。 |
モデルパラメータを分析するためのデバッガーサンプルノートブック
次のリストは、さまざまな機械学習モデル、データセット、フレームワークのトレーニングジョブをデバッグするためのデバッガーの適応性を紹介するデバッガーサンプルノートブックを示しています。
ノートブックのタイトル | フレームワーク | モデル | データセット | 説明 |
---|---|---|---|---|
TensorFlow |
畳み込みニューラルネットワーク |
MNIST |
モデルのデバッグには、 TensorFlowAmazon SageMaker Debugger の組み込みルールを使用します。 |
|
TensorFlow |
ResNet50 |
Cifar-10 |
Tensorflow 2.1 フレームワークでモデルをデバッグするには、Amazon SageMaker Debugger フック設定と組み込みルールを使用します。 |
|
MXNet |
Gluon 畳み込みニューラルネットワーク |
Fashion MNIST |
トレーニングジョブを実行し、このジョブのすべてのテンソルを保存するように SageMaker デバッガーを設定し、それらのテンソルをノートブックで視覚化します。 |
|
MXNet |
Gluon 畳み込みニューラルネットワーク |
Fashion MNIST |
デバッガーがスポットインスタンスのトレーニングジョブからテンソルデータを収集する方法と、マネージドスポットトレーニングでデバッガーの組み込みルールを使う方法について説明します。 |
|
Amazon Debugger を使用して個人の収益を予測する XGBoost SageMaker モデルについて説明する |
XGBoost |
XGBoost 回帰 |
デバッガーのフックと組み込みルールを使って、損失値、特徴、SHAP 値など、XGBoost 回帰モデルからテンソルデータを収集および視覚化する方法について説明します。 |
モデルパラメータとユースケースの高度な視覚化については、次のトピックの「デバッガーの高度なデモと視覚化」を参照してください。