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.

# Durchsuchen von Checkpoint-Dateien
<a name="model-checkpoints-saved-file"></a>

Suchen Sie mit dem SageMaker Python-SDK und der Amazon S3 S3-Konsole nach Checkpoint-Dateien.

**Um die Checkpoint-Dateien programmgesteuert zu finden**

Um den S3-Bucket-URI abzurufen, in dem die Checkpoints gespeichert sind, überprüfen Sie das folgende Estimator-Attribut:

```
estimator.checkpoint_s3_uri
```

Dadurch wird der S3-Ausgabepfad für Checkpoints zurückgegeben, die bei der `CreateTrainingJob`-Anforderung konfiguriert wurden. Gehen Sie wie folgt vor, um die gespeicherten Checkpoint-Dateien mit der S3-Konsole zu finden.

**So finden Sie die Checkpoint-Dateien auf der S3-Konsole**

1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die SageMaker AI-Konsole unter [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).

1. Wählen Sie im linken Navigationsbereich die Option **Trainingsaufträge**.

1. Wählen Sie den Link zu dem Trainingsjob mit aktiviertem Checkpointing, um die **Jobeinstellungen** zu öffnen.

1. Suchen Sie auf der Seite mit den **Jobeinstellungen** des Trainingsjobs den Abschnitt **Checkpoint-Konfiguration**.  
![Abschnitt zur Checkpoint-Konfiguration auf der Seite mit den Jobeinstellungen eines Trainingsjobs.](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/checkpoints_trainingjob.png)

1. Verwenden Sie den Link zum S3-Bucket, um auf die Checkpoint-Dateien zuzugreifen.