SageMaker Nützliche Estimator-Klassenmethoden für Debugger - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

SageMaker Nützliche Estimator-Klassenmethoden für Debugger

Die folgenden Methoden der Schätzerklasse sind nützlich, um auf die Informationen zu Ihrem SageMaker Trainingsjob zuzugreifen und Ausgabepfade der vom Debugger gesammelten Trainingsdaten abzurufen. Die folgenden Methoden sind ausführbar, nachdem Sie mit der estimator.fit() Methode einen Trainingsauftrag gestartet haben.

  • Um den Basis-S3-Bucket URI eines SageMaker Trainingsjobs zu überprüfen:

    estimator.output_path

  • Um den Namen des Basisjobs eines SageMaker Trainingsjobs zu überprüfen:

    estimator.latest_training_job.job_name

  • Um die vollständige CreateTrainingJob API Betriebskonfiguration eines SageMaker Trainingsjobs zu sehen:

    estimator.latest_training_job.describe()

  • Um eine vollständige Liste der Debugger-Regeln zu überprüfen, während ein SageMaker Trainingsjob ausgeführt wird:

    estimator.latest_training_job.rule_job_summary()

  • Um den S3-Bucket zu überprüfenURI, in dem die Modellparameterdaten (Ausgabetensoren) gespeichert sind:

    estimator.latest_job_debugger_artifacts_path()

  • Um den S3-Bucket zu überprüfen, URI in dem die Modellleistungsdaten (System- und Framework-Metriken) gespeichert sind:

    estimator.latest_job_profiler_artifacts_path()

  • Um die Debugger-Regelkonfiguration für das Debuggen von Ausgabetensoren zu überprüfen:

    estimator.debugger_rule_configs

  • Um die Liste der Debugger-Regeln für das Debuggen während der Ausführung eines SageMaker Trainingsjobs zu überprüfen:

    estimator.debugger_rules

  • So überprüfen Sie die Debugger-Regelkonfiguration für die Überwachung und Profilierung von System- und Framework-Metriken:

    estimator.profiler_rule_configs

  • Um die Liste der Debugger-Regeln für die Überwachung und Profilerstellung während der Ausführung eines SageMaker Trainingsjobs zu überprüfen:

    estimator.profiler_rules

Weitere Informationen zur SageMaker Estimator-Klasse und ihren Methoden finden Sie unter Estimator API in Amazon SageMaker Python. SDK