AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅中国的 AWS 服务入门。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Amazon SageMaker 调试程序 API 操作

Amazon SageMaker 调试程序 在多个位置具有 API 操作，这些操作用于实施模型训练的监控和分析。

Amazon SageMaker 调试程序 还提供了位于 awslabs/sagemaker-debuggerSMDebug 的开源 https://github.com/awslabs/sagemaker-debugger/tree/master/smdebug Python 库，可用于配置内置规则、定义自定义规则、注册挂钩以从训练作业中收集输出张量数据。

Amazon SageMaker Python 开发工具包是一个专注于机器学习实验的高级开发工具包。开发工具包可用于部署通过 SMDebug Python 库定义的内置规则或自定义规则，以使用 SageMaker 评估程序监控和分析这些张量。

调试程序 已向 Amazon SageMaker API 添加一些操作和类型，这些类型可让平台在训练模型时使用 调试程序，并可让平台管理输入和输出的配置。

在分析模型训练时，规则配置 API 操作使用 SageMaker 处理功能。有关 SageMaker 处理的更多信息，请参阅处理数据。