Cloud Profiler를 사용한 모델 학습 성능 프로파일링: 노트북
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
이 튜토리얼에서는 커스텀 학습 작업에 프로파일러를 사용 설정하는 방법을 알아봅니다.
노트북: Cloud Profiler를 사용한 모델 학습 성능 프로파일링
이 튜토리얼에서는 다음 Google Cloud ML 서비스 및 리소스를 사용합니다.
- Vertex AI 학습
- Vertex AI 텐서보드
구체적인 단계는 다음과 같습니다.
- 서비스 계정 및 Cloud Storage 버킷을 설정합니다.
- Vertex AI 텐서보드 인스턴스를 만듭니다.
- Profiler를 사용 설정하는 커스텀 학습 작업을 만들고 실행합니다.
- Profiler 대시보드를 확인하여 모델 학습 성능을 디버깅합니다.
관련성 있는 콘텐츠
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2025-02-21(UTC)
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-02-21(UTC)"],[],[]]