偵錯工具範例筆記本

SageMaker 在 aws/ amazon-sagemaker-examples 儲存庫中提供除錯程式範例筆記本。偵錯工具範例筆記本將逐步引導您完成偵錯和分析訓練任務的基礎到進階使用案例。

我們建議您在工作 SageMaker 室或筆記本執行個體上執行範例 SageMaker 筆記本，因為大多數範例都是針對 SageMaker 生態系統中的訓練任務而設計的，包括 Amazon EC2、Amazon S3 和 Amazon SageMaker Python 開發套件。

要將示例存儲庫克隆到 SageMaker 工作室，請按照 Amazon 工作 SageMaker 室導覽中的說明進行操作

若要在記事本執行個體中尋找範例，請遵循 SageMaker 記事本執行個體範例SageMaker 筆記本中的指示。

重要

若要使用新的偵錯工具功能，您需要升級 SageMaker Python SDK 和用SMDebug戶端程式庫。在 IPython 內核，Jupyter 筆記本或 JupyterLab環境中，運行以下代碼以安裝最新版本的庫並重新啟動內核。

import sys
import IPython
!{sys.executable} -m pip install -U sagemaker smdebug
IPython.Application.instance().kernel.do_shutdown(True)

分析訓練任務的偵錯工具範例筆記本

下列清單列出偵錯工具範例筆記本，說明偵錯工具針對不同機器學習模型、資料集和架構監控及分析訓練任務的適應性。

筆記本標題	架構	模型	資料集	描述
Amazon SageMaker 偵錯工具分析資料分析	TensorFlow	喀拉斯 50 ResNet	Cifar-10	本筆記本提供了一個互動式分析由 SageMaker 偵錯工具擷取的效能分析資料的簡介。探索 SMDebug 互動式分析工具的完整功能。
使用 Amazon SageMaker 偵錯工具設定機器學習訓練	TensorFlow	一維卷積神經網路	IMDB 資料集	分析一個 TensorFlow 1-D CNN，用於 IMDB 數據的情緒分析，該數據包括標記為正面或負面情緒的電影評論。瀏覽 Studio 偵錯工具深入分析和偵錯工具分析報告。
使用各種分散式訓練設定進行 TensorFlow ResNet 模型剖析	TensorFlow	ResNet50	Cifar-10	使用偵錯工具執行 TensorFlow 各種分散式訓練設定的訓練工作、監控系統資源使用率，以及設定檔模型效能。
使用各種分散式訓練設定進行 PyTorch ResNet 模型剖析	PyTorch	ResNet50	Cifar-10	使用偵錯工具執行 PyTorch 各種分散式訓練設定的訓練工作、監控系統資源使用率，以及設定檔模型效能。

分析模型參數的偵錯工具範例筆記本

下列清單列出偵錯工具範例筆記本，說明偵錯工具針對不同機器學習模型、資料集和架構對訓練任務進行偵錯的適應性。

筆記本標題	架構	模型	資料集	描述
Amazon SageMaker 調試器-使用內置規則	TensorFlow	卷積神經網路	MNIST	使用 Amazon SageMaker 偵錯工具內建規則來偵錯 TensorFlow模型。
Amazon SageMaker 調試器-張量流 2.1	TensorFlow	ResNet50	Cifar-10	使用 Amazon SageMaker 偵錯工具掛接組態和內建規則，透過 Tensorflow 2.1 架構來偵錯模型。
視覺化 MXNet 訓練的除錯張量	MXNet	Gluon 卷積神經網路	Fashion MNIST	執行訓練工作並設定 SageMaker 偵錯工具以儲存此工作中的所有張量，然後將這些張量視覺化為筆記型電腦。
使用 Amazon SageMaker 偵錯工具啟用現貨訓練	MXNet	Gluon 卷積神經網路	Fashion MNIST	了解偵錯工具如何從 Spot 執行個體上的訓練任務收集張量資料，以及如何搭配受管 Spot 訓練使用偵錯工具內建規則。
解釋一個 XGBoost 模型，該模型可以使用 Amazon 調試器預測個人收入 SageMaker	XGBoost	XGBoost 迴歸	成人普查資料集	了解如何使用偵錯工具勾點和內建規則，從 XGBoost 迴歸模型收集和視覺化張量資料，例如損失值、功能和 SHAP 值。

要查找模型參數和用例的高級可視化，請參閱偵錯工具進階示範和視覺化。