有用的 SageMaker 评估程序类方法调试程序 - Amazon SageMaker
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。

有用的 SageMaker 评估程序类方法调试程序

以下评估程序类方法对于访问您的 SageMaker 训练作业信息和检索 调试程序 收集的训练数据的输出路径很有用。在使用 estimator.fit() 方法启动训练作业后,以下方法可执行。

  • 检查 SageMaker 训练作业的基本 S3 存储桶 URI:

    estimator.output_path
  • 检查 SageMaker 训练作业的基本作业名称:

    estimator.latest_training_job.job_name
  • 要查看 CreateTrainingJob 训练作业的完整 SageMaker API 操作配置,请执行以下操作:

    estimator.latest_training_job.describe()
  • 要在 调试程序 训练作业运行时检查 SageMaker 规则的完整列表,请执行以下操作:

    estimator.latest_training_job.rule_job_summary()
  • 要在保存模型参数数据 (输出张量) 的位置检查 S3 存储桶 URI,请执行以下操作:

    estimator.latest_job_debugger_artifacts_path()
  • 要查看 S3 存储桶 URI,请在其中保存模型性能数据(系统和框架指标):

    estimator.latest_job_profiler_artifacts_path()
  • 检查用于调试输出张量的 调试程序 规则配置:

    estimator.debugger_rule_configs
  • 要在 调试程序 训练作业运行时检查用于调试的 SageMaker 规则的列表,请执行以下操作:

    estimator.debugger_rules
  • 要检查 调试程序 规则配置的监控和分析系统及框架指标,请执行以下操作:

    estimator.profiler_rule_configs
  • 要在 调试程序 训练作业运行时检查用于监控和分析的 SageMaker 规则的列表,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 中的评估程序 APIAmazon SageMaker Python SDK