用于调试器的 SageMaker 估计器类方法 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 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 Amazon Web Services 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。

用于调试器的 SageMaker 估计器类方法

以下估计器类方法对于访问 SageMaker 培训作业信息和检索调试器收集的训练数据的输出路径非常有用。启动培训作业后,以下方法是可执行的estimator.fit()方法。

  • 要检查 SageMaker 培训作业的基本 S3 存储桶 URI,请执行以下操作:

    estimator.output_path
  • 要检查 SageMaker 培训作业的基本作业名称,请执行以下操作:

    estimator.latest_training_job.job_name
  • 要查看完整的CreateTrainingJobSageMaker 培训作业的 API 操作配置:

    estimator.latest_training_job.describe()
  • 要在运行 SageMaker 培训作业时检查调试器规则的完整列表,请执行以下操作:

    estimator.latest_training_job.rule_job_summary()
  • 要检查保存模型参数数据(输出张量)的 S3 存储桶 URI,请执行以下操作:

    estimator.latest_job_debugger_artifacts_path()
  • 要检查保存模型性能数据(系统和框架指标)的 S3 存储桶 URI,请执行以下操作:

    estimator.latest_job_profiler_artifacts_path()
  • 要检查调试器规则配置以调试输出张量,请执行以下操作:

    estimator.debugger_rule_configs
  • 要在运行 SageMaker 培训作业时检查用于调试的调试器规则列表,请执行以下操作:

    estimator.debugger_rules
  • 要检查调试器规则配置以监视和分析系统和框架度量,请执行以下操作:

    estimator.profiler_rule_configs
  • 要在 SageMaker 培训作业运行时检查用于监视和分析的调试器规则列表,请执行以下操作:

    estimator.profiler_rules

有关 SageMaker 评估程序类及其方法的更多信息,请参阅估计符 API中的Amazon SageMaker Python 开发工具包.