기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon SageMaker Debugger 아키텍처
<a name="debugger-how-it-works"></a>

이 주제에서는 Amazon SageMaker Debugger 워크플로에 대한 고급 개요를 안내합니다.

Debugger는 *성능 최적화*를 위한 프로파일링 기능을 지원하여 계산 문제(예: 시스템 병목 현상 및 낮은 사용률)를 파악하고, 하드웨어 리소스 사용률을 대규모로 최적화하도록 돕습니다.

Debugger의 *모델 최적화*를 위한 디버깅 기능은 최적화 알고리즘(예: 경사 하강 및 그 변형)을 이용하여 손실 함수를 최소화하는 동시에 발생 가능한 비수렴 훈련 문제를 분석하는 것입니다.

다음 다이어그램은 SageMaker Debugger의 아키텍처를 나타냅니다. 경계선이 굵은 블록은 Debugger가 훈련 작업 분석 시 관리하는 블록입니다.

![\[Amazon SageMaker Debugger의 작동 방식에 대한 개요입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/debugger/debugger_new_diagram.png)


Debugger는 훈련 작업에서 수집된 다음 데이터를 안전한 Amazon S3 버킷에 저장합니다.
+ **출력 텐서** - ML 모델을 훈련시키는 동안 순방향 및 역방향 과정에서 지속적으로 업데이트되는 스칼라 및 모델 파라미터의 모음입니다. 출력 텐서로는 스칼라 값(정확도 및 손실)과 매트릭스(가중치, 그라데이션, 입력 계층, 출력 계층) 등이 있습니다.
**참고**  
기본적으로 Debugger는 SageMaker AI 예측기로 Debugger별 파라미터를 구성하지 않고도 SageMaker 훈련 작업을 모니터링하고 디버깅합니다. Debugger는 500밀리초마다 시스템 지표를, 500단계마다 기본 출력 텐서(손실 및 정확도 등의 스칼라 출력)를 수집합니다. 또한 `ProfilerReport` 규칙을 실행하여 시스템 지표를 분석하고 Studio Debugger 인사이트 대시보드와 프로파일링 보고서를 집계합니다. Debugger는 출력 데이터를 안전한 Amazon S3 버킷에 저장합니다.

Debugger 기본 제공 규칙은 처리 컨테이너로 실행됩니다. 이 컨테이너는 S3 버킷에서 수집된 훈련 데이터를 처리하여 기계 학습 모델을 평가하도록 설계되었습니다([데이터 처리 및 모델 평가](https://docs.aws.amazon.com//sagemaker/latest/dg/processing-job.html) 참조). 기본 제공 규칙은 Debugger를 통해 완전히 관리됩니다. 모델에 맞게 사용자 지정된 규칙을 자체적으로 생성하여 모니터링할 문제를 감시할 수도 있습니다.