Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Debug e miglioramento delle prestazioni del modello
<a name="train-debug-and-improve-model-performance"></a>

L'essenza dell'addestramento dei modelli di machine learning, delle reti neurali di deep learning e dei modelli di trasformazione consiste nel raggiungere una convergenza stabile dei modelli e, pertanto, state-of-the-art i modelli hanno milioni, miliardi o trilioni di parametri del modello. Il numero di operazioni per aggiornare l'enorme numero di parametri del modello durante ogni iterazione può facilmente diventare astronomico. Per identificare i problemi di convergenza del modello, è importante poter accedere ai parametri, alle attivazioni e ai gradienti del modello calcolati durante i processi di ottimizzazione. 

Amazon SageMaker AI fornisce due strumenti di debug per aiutarti a identificare tali problemi di convergenza e ottenere visibilità nei tuoi modelli.

**Amazon SageMaker AI con TensorBoard**

Per offrire una maggiore compatibilità con gli strumenti della community open source all'interno della piattaforma SageMaker AI Training, l' SageMaker IA ospita TensorBoard come applicazione nel [dominio SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/sm-domain.html). Puoi dedicare i tuoi lavori di formazione all' SageMaker IA e continuare a utilizzare lo scrittore di TensorBoard riepilogo per raccogliere i tensori di output del modello. Poiché TensorBoard è implementato nel [dominio SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/sm-domain.html), ti offre anche più opzioni per gestire i profili utente del dominio SageMaker AI nel tuo AWS account e fornisce un controllo preciso sui profili utente concedendo l'accesso a azioni e risorse specifiche. Per ulteriori informazioni, consulta [TensorBoard in Amazon SageMaker AI](tensorboard-on-sagemaker.md).

**Amazon SageMaker Debugger**

Amazon SageMaker Debugger è una funzionalità dell' SageMaker intelligenza artificiale che fornisce strumenti per registrare gli hook ai callback per estrarre i tensori di output del modello e salvarli in Amazon Simple Storage Service. Fornisce [regole integrate](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html) per rilevare problemi di convergenza del modello, ad esempio sovradimensionamento, funzioni di attivazione saturate, gradienti decrescenti e altro ancora. Puoi anche configurare le regole integrate con Amazon CloudWatch Events AWS Lambda per intraprendere azioni automatiche contro i problemi rilevati e configurare Amazon Simple Notification Service per ricevere notifiche via e-mail o SMS. Per ulteriori informazioni, consulta [Amazon SageMaker Debugger](train-debugger.md).

**Topics**
+ [TensorBoard in Amazon SageMaker AI](tensorboard-on-sagemaker.md)
+ [Amazon SageMaker Debugger](train-debugger.md)
+ [Accedi a un contenitore di formazione tramite AWS Systems Manager il debug remoto](train-remote-debugging.md)
+ [Note di rilascio per le funzionalità di debug di Amazon SageMaker AI](debugger-release-notes.md)