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.

# Analysieren Sie Daten mit der Debugger-Python-Clientbibliothek
<a name="debugger-analyze-data"></a>

Während Ihr Trainingsjob läuft oder nachdem er abgeschlossen ist, können Sie mithilfe des [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) und der [SMDebug Client-Bibliothek](https://github.com/awslabs/sagemaker-debugger/) auf die vom Debugger gesammelten Trainingsdaten zugreifen. Die Debugger-Python-Client-Bibliothek bietet Analyse- und Visualisierungstools, mit denen Sie die Daten Ihrer Trainingsaufträge detailliert untersuchen können.

**Um die Bibliothek zu installieren und ihre Analysetools zu verwenden (in einem JupyterLab Notebook oder einem IPython-Kernel)**

```
! pip install -U smdebug
```

Die folgenden Themen führen Sie durch die Verwendung der Debugger-Python-Werkzeuge zur Visualisierung und Analyse der von Debugger erfassten Trainingsdaten.

**Analysieren Sie System- und Framework-Metriken**
+ [Greifen Sie auf die Profildaten zu](debugger-analyze-data-profiling.md)
+ [Stellen Sie die Daten der System- und Framework-Metriken grafisch dar](debugger-access-data-profiling-default-plot.md)
+ [Zugriff auf die Profilerstellungsdaten mit dem Pandas Data Parsing Tool](debugger-access-data-profiling-pandas-frame.md)
+ [Greifen Sie auf die Python-Profiling-Statistikdaten zu](debugger-access-data-python-profiling.md)
+ [Führen Sie die Zeitachsen mehrerer Profil-Trace-Dateien zusammen](debugger-merge-timeline.md)
+ [Profilierung von Datenladern](debugger-data-loading-time.md)