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。

调试程序教程视频

以下视频使用 Amazon SageMaker 调试程序 Studio 和SageMaker笔记本实例简要说明了 SageMaker 功能。

使用 分析、检测和接收有关训练运行问题的警报 Amazon SageMaker 调试程序

Emily Webber，AWS Machine Learning Professional | 长度：13 分钟 54 秒

本教程视频将指导您了解Amazon SageMaker 调试程序使用 MXNet 从训练模型中捕获、调试和可视化模型输出数据。了解 如何自动捕获指标、分析训练运行和检测问题Amazon SageMaker 调试程序，以使训练过程透明。

您可以在示例 https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/mnist_tensor_plot/mnist-tensor-plot.html GitHub 存储库中的可视化 MXNet 训练Amazon SageMaker的调试张量中找到此视频中的示例笔记本。

在 Studio 中使用Amazon SageMaker 调试程序调试模型

Julien Simon，AWS 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。本视频中使用的示例训练模型是一个简单的卷积神经网络 （CNN），它基于具有 TensorFlow 后端的 Keras。位于 TensorFlow 框架SageMaker中调试程序，可让您使用训练脚本直接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。您需要将debugger.ipynb笔记本文件和mnist_keras_tf.py训练脚本克隆到 SageMaker Studio 或SageMaker笔记本实例。在克隆这两个文件后，请指定 keras_script_path 笔记本中的 mnist_keras_tf.py 文件的 debugger.ipynb 路径。例如，如果您克隆了同一目录中的两个文件，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

Julien Simon，AWS 技术宣传官 | 长度：44 分 34 秒

本视频会话探讨了 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模型的工作效率和质量。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，从 22:41 开始，该视频说明了如何使用 SageMaker 模型监控器在生产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。

您可以在作者提供的该 AWS Dev Days 2020 存储库中找到该视频中的示例笔记本。