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。
调试器有用的 SageMaker AI 估算器类方法
以下估算器类方法对于访问您的 SageMaker 训练作业信息和检索 Debugger 收集的训练数据的输出路径非常有用。在您使用 estimator.fit() 方法启动训练作业之后，可以执行以下方法。
-
要检查 SageMaker 训练作业的基本 S3 存储桶 URI，请执行以下操作：
estimator.output_path -
要查看 SageMaker 训练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 SageMaker 训练作业的完整
CreateTrainingJobAPI 操作配置，请执行以下操作：estimator.latest_training_job.describe() -
要在 SageMaker 训练作业运行时查看调试器规则的完整列表，请执行以下操作：
estimator.latest_training_job.rule_job_summary() -
要查看保存模型参数数据（输出张量）的 S3 存储桶 URI，请执行以下操作：
estimator.latest_job_debugger_artifacts_path() -
要查看保存模型性能数据（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() -
要查看用于调试输出张量的 Debugger 规则配置，请执行以下操作：
estimator.debugger_rule_configs -
要查看用于在 SageMaker 训练作业运行时进行调试的调试器规则列表，请执行以下操作：
estimator.debugger_rules -
要查看用于监控和分析系统及框架指标的 Debugger 规则配置，请执行以下操作：
estimator.profiler_rule_configs -
要查看用于在 SageMaker 训练作业运行时进行监控和分析的调试器规则列表，请执行以下操作：
estimator.profiler_rules
有关 SageMaker AI 估算器类及其方法的更多信息，请参阅 Amazon Python SDK 中的估算器