Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Depurar e melhorar o desempenho do modelo

Modo de foco
Depurar e melhorar o desempenho do modelo - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

A essência do treinamento de modelos de aprendizado de máquina, redes neurais de aprendizado profundo e modelos de transformadores está em alcançar uma convergência estável de modelos e, como tal, state-of-the-art os modelos têm milhões, bilhões ou trilhões de parâmetros de modelo. O número de operações para atualizar o número gigantesco de parâmetros do modelo durante cada iteração pode facilmente se tornar astronômico. Para identificar problemas de convergência do modelo, é importante poder acessar os parâmetros, ativações e gradientes do modelo calculados durante os processos de otimização.

A Amazon SageMaker AI fornece duas ferramentas de depuração para ajudar a identificar esses problemas de convergência e obter visibilidade de seus modelos.

Amazon SageMaker AI com TensorBoard

Para oferecer uma maior compatibilidade com as ferramentas comunitárias de código aberto na plataforma de treinamento de SageMaker IA, a SageMaker IA hospeda TensorBoard como um aplicativo no SageMaker domínio da IA. Você pode trazer seus trabalhos de treinamento para a SageMaker IA e continuar usando o redator de TensorBoard resumos para coletar os tensores de saída do modelo. Como TensorBoard é implementado no domínio de SageMaker IA, ele também oferece mais opções para gerenciar perfis de usuário no domínio de SageMaker IA em sua AWS conta e fornece um controle preciso sobre os perfis de usuário ao conceder acesso a ações e recursos específicos. Para saber mais, consulte TensorBoard na Amazon SageMaker AI.

SageMaker Depurador Amazon

O Amazon SageMaker Debugger é um recurso de SageMaker IA que fornece ferramentas para registrar ganchos em retornos de chamada para extrair tensores de saída do modelo e salvá-los no Amazon Simple Storage Service. Ele fornece regras integradas para detectar problemas de convergência de modelos, como sobreajuste, funções de ativação saturadas, gradientes desaparecendo e muito mais. Você também pode configurar as regras integradas com o Amazon CloudWatch Events e AWS Lambda realizar ações automatizadas contra problemas detectados, além de configurar o Amazon Simple Notification Service para receber notificações por e-mail ou texto. Para saber mais, consulte SageMaker Depurador Amazon.

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.