SageMaker Studio에서 딥러닝 모델을 미세 조정하는 동안 기울기 소실(vanishing gradients), GPU 활용률 저조, 과적합(overfitting)과 같은 문제가 발생할 것으로 예상됩니다. 이러한 문제가 감지될 때 최소한의 운영 오버헤드로 훈련 중 실시간의 포괄적인 지표와 자동 반응(사전 정의된 작업)이 필요합니다. 어떤 옵션이 이러한 요구 사항을 충족합니까?

SageMaker Debugger는 훈련 중 기울기 소실, GPU 활용률 저조, 과적합과 같은 일반적인 딥러닝 문제를 실시간으로 감지하고 분석하는 데 최적화된 도구입니다. 내장 규칙을 사용하여 이러한 문제를 자동으로 식별하고, 특정 임계값에 도달하면 훈련을 중지하거나 하이퍼파라미터를 조정하는 등의 사전 정의된 작업을 트리거할 수 있습니다. 이는 최소한의 운영 오버헤드로 포괄적인 모니터링과 자동 반응을 제공하여 문제 해결 시간을 단축하고 모델 성능을 향상시킵니다. TensorBoard는 시각화 도구이지만 자동 반응 기능이 부족하며, SNS와 Lambda를 결합하는 것은 복잡하고 오버헤드가 큽니다. CloudWatch 기본 지표는 일반적인 모니터링에는 유용하지만 딥러닝 특정 문제 감지에는 한계가 있으며, 기울기 지표를 확장하는 것은 추가적인 구현 노력이 필요합니다.