Debugger 中有用的 SageMaker AI 估算器类方法 - 亚马逊 SageMaker AI
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 (PDF)。

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。

Debugger 中有用的 SageMaker AI 估算器类方法

对于访问 SageMaker 训练作业信息和检索 Debugger 收集的训练数据的输出路径，以下估算器类方法非常有用。在您使用 estimator.fit() 方法启动训练作业之后，可以执行以下方法。

  • 要查看 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 CreateTrainingJob API 操作配置，请执行以下操作：

    estimator.latest_training_job.describe()

  • 要在 SageMaker 训练作业运行期间查看 Debugger 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

  • 要在 SageMaker 训练作业运行期间查看用于调试的 Debugger 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

  • 要在 SageMaker 训练作业运行期间查看用于监控和分析的 Debugger 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 SageMaker Python SDK 中的估算器 API。