MLAMLモデルの開発

あるデータサイエンティストが、SageMaker Training Jobsを使ってニューラルネットワークのトレーニングを実施しています。トレーニング中に損失（loss）が急激に増加する発散（divergence）の問題が発生することがあります。トレーニングコードを変更せずに、損失の発散を自動検出してトレーニングジョブを早期終了させたい場合、最も適切なアプローチはどれですか？

A
CloudWatchアラームを設定し、損失メトリクスが閾値を超えたらSNS通知で手動でトレーニングジョブを停止する
CloudWatchによる手動対応は遅延が発生し、自動停止要件を満たしません。
B
SageMaker Debuggerのビルトインルール「LossNotDecreasing」を設定し、自動停止アクション（StopTraining）を有効にする
✓ 正解
SageMaker Debuggerは、トレーニングコードを一切変更せずにトレーニング中のテンソルをリアルタイムで分析できます。ビルトインルール（例：LossNotDecreasing）を設定し、ルール違反時に自動停止アクション（StopTraining）を関連付けることで早期停止が自動実現されます。
C
SageMaker Experimentsでトレーニングメトリクスをトラッキングし、カスタムスクリプトで定期的にメトリクスを確認する
SageMaker Experimentsはリアルタイムのメトリクス分析に適しており、自動停止アクションには対応していません。
D
SageMaker Pipelinesにコンディショナルステップを追加し、メトリクス確認後に次のステップへ進むかどうかを判断する
SageMaker Pipelinesはワークフロー制御向けであり、トレーニング中のリアルタイム自動停止には対応していません。

解説

SageMaker Debuggerは、トレーニングコードを一切変更せずにトレーニング中のテンソルをリアルタイムで分析できます。ビルトインルール（例：LossNotDecreasing）を設定し、ルール違反時に自動停止アクション（StopTraining）を関連付けることで早期停止が自動実現されます。 選択肢AのCloudWatchによる手動対応は遅延が発生し、自動停止要件を満たしません。 選択肢CのSageMaker Experimentsはリアルタイムのメトリクス分析に適しており、自動停止アクションには対応していません。 選択肢DのSageMaker Pipelinesはワークフロー制御向けであり、トレーニング中のリアルタイム自動停止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 →
← MLA の問題一覧に戻る