As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Criação de regras personalizadas usando a biblioteca de cliente do Depurador
<a name="debugger-custom-rules"></a>

Você pode criar regras personalizadas para monitorar seu trabalho de treinamento com as APIs de Regra do Depurador e a [`smdebug`biblioteca Python](https://github.com/awslabs/sagemaker-debugger/), as quais fornecem ferramentas para a criação de seus próprios contêineres de regras.

## Pré-requisitos para criação de regra personalizada
<a name="debugger-custom-rules-prerequisite"></a>

Para criar regras personalizadas do Debugger, você precisa dos seguintes pré-requisitos:
+ [SageMaker API do depurador Rule.custom ](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.Rule.custom)
+ [A biblioteca de cliente de código aberto smdebug](https://github.com/awslabs/sagemaker-debugger/)
+ Seu próprio script de regras personalizadas em Python
+ [URIs de imagem do Amazon SageMaker Debugger para avaliadores de regras personalizadas](debugger-reference.md#debuger-custom-rule-registry-ids)

**Topics**
+ [Pré-requisitos para criação de regra personalizada](#debugger-custom-rules-prerequisite)
+ [Use a biblioteca de cliente `smdebug` para criar uma regra personalizada como um script Python](debugger-custom-rules-python-script.md)
+ [Use as APIs do Depurador para executar as suas próprias regras personalizadas](debugger-custom-rules-python-sdk.md)