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。

调试程序教程视频

以下视频说明了 Amazon SageMaker 调试程序使用 SageMaker Studio 和 SageMaker 笔记本实例的功能。

使用 Amazon SageMaker 调试器分析、检测训练运行问题并获得警报

艾米莉·韦伯，AmazonMachine Learning 专家 | 长度：13 分 54 秒

本教程视频将为您介绍 Amazon SageMaker 调试器，以便使用 MxNet 捕获、调试和可视化训练模型中的模型输出数据。了解 Amazon SageMaker 调试器如何通过自动捕获指标、分析训练运行情况和检测问题来使培训过程透明。

您可以在该视频中找到该视频中的示例笔记本可视化 MXNet 训练的调试张量中的Amazon SageMaker 示例GitHub 存储库。

在 Studio 中使用 Amazon SageMaker 调试程序调试模型

朱利安·西蒙，Amazon技术宣传官 | 长度：14 分 17 秒

该教程视频说明了如何使用 Amazon SageMaker 调试程序从训练模型中捕获和检查调试信息。该视频中使用的示例训练模型是一个简单卷积神经网络 (CNN)，它基于具有 TensorFlow 后端的 Keras。使用 TensorFlow 框架中的 SageMaker 和调试程序，您可以直接使用训练脚本构建评估程序并调试训练作业。

您可以在作者提供的该 Studio 演示存储库中找到该视频中的示例笔记本。你需要克隆debugger.ipynb笔记本文件和mnist_keras_tf.py将脚本训练到您的 SageMaker Studio 或 SageMaker 笔记本实例。在克隆这两个文件后，请指定 debugger.ipynb 笔记本中的 mnist_keras_tf.py 文件的 keras_script_path 路径。例如，如果将这两个文件克隆到同一目录中，请将其设置为keras_script_path = "mnist_keras_tf.py".

深入了解 Amazon SageMaker 调试程序和 SageMaker 模型监控器

朱利安·西蒙，Amazon技术宣传官 | 长度：44 分 34 秒

该视频会话介绍了调试程序和 SageMaker 模型监控器的高级功能，这些功能有助于提高生产率和模型质量。首先，该视频说明了如何使用调试程序检测和修复训练问题，对张量进行可视化以及改进模型。接下来，在 22 分 41 秒，该视频说明了如何使用 SageMaker 模型监控器在生产环境中监控模型并找出预测问题，例如缺少功能或数据偏差。最后，它提供了成本优化技巧，以帮助您充分利用机器学习预算。

您可以在中找到该视频中的示例笔记本这个Amazon2020 年开发日存储库由提交人提供。