Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Video tutorial debugger
Video berikut menyediakan tur kemampuan Amazon SageMaker Debugger menggunakan instans notebook SageMaker Studio dan SageMaker AI.
**Topics**
+ [Model debugging dengan Amazon SageMaker Debugger di Studio Classic](#debugger-video-get-started)
+ [Menyelam jauh di Amazon SageMaker Debugger dan monitor model SageMaker AI](#debugger-video-dive-deep)
## Model debugging dengan Amazon SageMaker Debugger di Studio Classic
*Julien Simon, Penginjil AWS Teknis \| Durasi: 14 menit 17 detik*
Video tutorial ini menunjukkan cara menggunakan Amazon SageMaker Debugger untuk menangkap dan memeriksa informasi debugging dari model pelatihan. Contoh model pelatihan yang digunakan dalam video ini adalah jaringan saraf konvolusional sederhana (CNN) berdasarkan Keras dengan backend. TensorFlow SageMaker AI dalam TensorFlow kerangka kerja dan Debugger memungkinkan Anda membangun estimator secara langsung menggunakan skrip pelatihan dan men-debug pekerjaan pelatihan.
[](http://www.youtube.com/watch?v=MqPdTj0Znwg)
Anda dapat menemukan contoh buku catatan dalam video di [repositori Demo Studio ini](https://gitlab.com/juliensimon/amazon-studio-demos/-/tree/master) yang disediakan oleh penulis. Anda perlu mengkloning file `debugger.ipynb` notebook dan skrip `mnist_keras_tf.py` pelatihan ke SageMaker Studio atau instance SageMaker notebook Anda. Setelah Anda mengkloning dua file, tentukan path `keras_script_path` ke `mnist_keras_tf.py` file di dalam `debugger.ipynb` notebook. Misalnya, jika Anda mengkloning dua file di direktori yang sama, atur sebagai`keras_script_path = "mnist_keras_tf.py"`.
## Menyelam jauh di Amazon SageMaker Debugger dan monitor model SageMaker AI
*Julien Simon, Penginjil AWS Teknis \| Durasi: 44 menit 34 detik*
Sesi video ini mengeksplorasi fitur-fitur canggih Debugger dan SageMaker Model Monitor yang membantu meningkatkan produktivitas dan kualitas model Anda. Pertama, video ini menunjukkan cara mendeteksi dan memperbaiki masalah pelatihan, memvisualisasikan tensor, dan meningkatkan model dengan Debugger. Selanjutnya, pada 22:41, video menunjukkan cara memantau model dalam produksi dan mengidentifikasi masalah prediksi seperti fitur yang hilang atau penyimpangan data menggunakan AI Model Monitor. SageMaker Akhirnya, ia menawarkan kiat pengoptimalan biaya untuk membantu Anda memaksimalkan anggaran pembelajaran mesin Anda.
[](http://www.youtube.com/watch?v=0zqoeZxakOI)
Anda dapat menemukan contoh buku catatan dalam video di [repositori AWS Dev Days 2020](https://gitlab.com/juliensimon/awsdevdays2020/-/tree/master/mls1) yang ditawarkan oleh penulis.