MLAMLモデルの開発
MLエンジニアがディープラーニングモデルのトレーニングジョブを実行中に、損失（Loss）が突然減少しなくなりました。トレーニングジョブを停止せずに、ニューラルネットワーク内のテンソル（多次元配列データ）の値をリアルタイムで分析し、勾配消失（学習の勾配が極めて小さくなりパラメータが更新されなくなる現象）を自動検出したいと考えています。最も適切な方法はどれですか？
AAmazon CloudWatchのトレーニングジョブメトリクスダッシュボードで損失の推移グラフを確認する
CloudWatchは高レベルのメトリクス監視のみでテンソル分析は不可です。
BAmazon SageMaker Debuggerを有効化してVanishingGradient組み込みルールを設定し、テンソルデータを自動収集・分析する
✓ 正解
SageMaker Debuggerはトレーニング中に重み・勾配・アクティベーション値などのテンソルデータを自動収集し、組み込みルール（VanishingGradient等）でリアルタイムに問題を検出してアラームを発報できます。
Cトレーニングスクリプトにprint文を追加してAmazon CloudWatch Logsでテンソル値を確認する
トレーニングスクリプトにprint文を追加する方法は非効率で本番向けではありません。
DAmazon SageMaker Experimentsでトレーニングメトリクスをトラッキングし、以前の実験結果と比較する
SageMaker Experimentsはメトリクスの記録・比較が主目的です。
解説
選択肢BのAmazon SageMaker Debuggerは、トレーニング中に重み・勾配・アクティベーション値などのテンソルデータを自動収集し、組み込みルール（VanishingGradient等）でリアルタイムに問題を検出してアラームを発報できます。
選択肢AのAmazon CloudWatchは、高レベルのメトリクス監視のみに対応しており、テンソルデータの詳細分析はできません。
選択肢Cのトレーニングスクリプトにprint文を追加する方法は、非効率で本番環境には適しておらず、リアルタイムの自動検出にもなりません。
選択肢DのAmazon SageMaker Experimentsは、トレーニングメトリクスの記録・比較が主目的であり、テンソルデータのリアルタイム異常検出には対応していません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでMLAを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →