При тонкой настройке модели глубокого обучения в SageMaker Studio вы ожидаете таких проблем, как исчезающие градиенты, недоиспользование GPU и переобучение. Вам нужны комплексные метрики в реальном времени во время обучения и автоматические реакции (предопределенные действия) при обнаружении этих проблем, с минимальными операционными издержками. Какой вариант отвечает этим требованиям?

Правильный ответ — использование встроенных правил SageMaker Debugger. SageMaker Debugger разработан специально для мониторинга глубокого обучения, предоставляя комплексные метрики в реальном времени, включая градиенты, значения весов и смещений, а также потери. Он может автоматически обнаруживать распространенные проблемы, такие как исчезающие/взрывающиеся градиенты и переобучение, используя встроенные правила. Эти правила могут быть настроены для запуска предопределенных действий (например, остановки обучения) с минимальными операционными издержками, что соответствует всем требованиям. Использование TensorBoard с SNS и Lambda требует больше операционных издержек и не предоставляет встроенных правил для автоматического обнаружения проблем глубокого обучения. Стандартные метрики CloudWatch не охватывают градиенты и другие детали, необходимые для диагностики проблем глубокого обучения. Расширение метрик CloudWatch для включения градиентов возможно, но это более сложная и менее автоматизированная настройка по сравнению с SageMaker Debugger.