偵錯工具教學課程影片

下列影片提供使用 SageMaker Studio 和 SageMaker筆記型電腦執行個體的 Amazon SageMaker 偵錯工具功能之導覽。

在工作室中使用 Amazon SageMaker 調試器調試

朱利安·西蒙， AWS 技術傳教士 | 長度:14 分 17 秒

本教學影片示範如何使用 Amazon SageMaker 偵錯工具從訓練模型擷取和檢查偵錯資訊。此視頻中使用的示例訓練模型是基於 Keras 和後端的簡單卷積神經網絡（CNN）。 TensorFlow SageMaker 在 TensorFlow 框架和調試器中，您可以直接使用培訓腳本構建估計器並對培訓工作進行調試。

您可以在作者於這個 Studio 示範儲存庫提供的影片中，找到此範例筆記本。您需要將debugger.ipynb筆記本檔案和mnist_keras_tf.py訓練指令碼複製到您的 SageMaker Studio 或 SageMaker 筆記本執行個體。複製這兩個檔案之後，請指定通往 debugger.ipynb 筆記本內 mnist_keras_tf.py 檔案的路徑 keras_script_path。例如，如果您在同一個目錄中複製這兩個檔案，請設定為 keras_script_path = "mnist_keras_tf.py"。

深入探討 Amazon SageMaker 偵錯工具和 SageMaker 模型監視器

朱利安·西蒙， AWS 技術傳教士 | 長度:44 分 34 秒

此視訊工作階段探討除錯工具和 SageMaker 模型監視器的進階功能，有助於提高生產力和模型的品質。首先，此影片示範如何偵測和修正訓練問題、視覺化張量，以及使用偵錯工具來改善模型。接著，在 22:41 上，影片會示範如何使用 Model Monitor 監控生產中的模型，以及如何識別預測問題，例如遺失特徵或資料 SageMaker 漂移。最後，提供成本最佳化秘訣，協助您最有效運用機器學習預算。

您可以在作者於這個 AWS Dev Days 2020 儲存庫提供的影片中，找到此範例筆記本。