有用SageMaker用于调试器的估计器类方法 - 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。

有用SageMaker用于调试器的估计器类方法

以下估算器类方法对于访问您的SageMaker训练工作信息和检索调试器收集的训练数据的输出路径。以下方法可以在您使用estimator.fit()方法。

  • 检查一个的基本 S3 存储桶 URISageMaker训练作业:

    estimator.output_path
  • 要检查一个的基本作业名称SageMaker训练作业:

    estimator.latest_training_job.job_name
  • 要查看完整CreateTrainingJob的 API 操作配置SageMaker训练作业:

    estimator.latest_training_job.describe()
  • 要检查调试程序规则的完整列表,请在SageMaker培训作业正在运行:

    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 S3 存储桶 URI 保存模型性能数据(系统和框架指标)的位置,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
  • 查看调试器规则列表以便在SageMaker培训作业正在运行:

    estimator.debugger_rules
  • 要检查用于监视和分析系统和框架指标的调试器规则配置:

    estimator.profiler_rule_configs
  • 查看用于监视和分析的调试器规则列表SageMaker培训作业正在运行:

    estimator.profiler_rules

有关的更多信息SageMaker估计器类及其方法,请参见估算程序 API中的亚马逊SageMakerPython 开发工具包.