Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Analyse des données à l'aide de la bibliothèque client Debugger Python
<a name="debugger-analyze-data"></a>

[Pendant que votre tâche de formation est en cours ou une fois celle-ci terminée, vous pouvez accéder aux données de formation collectées par Debugger à l'aide du [SDK Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) et de la SMDebug bibliothèque cliente.](https://github.com/awslabs/sagemaker-debugger/) La bibliothèque client Debugger Python fournit des outils d'analyse et de visualisation qui vous permettent d'explorer les données de votre tâche d'entraînement.

**Pour installer la bibliothèque et utiliser ses outils d'analyse (dans un JupyterLab bloc-notes ou un noyau IPython)**

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

Les rubriques suivantes vous expliquent comment utiliser les outils Debugger Python pour visualiser et analyser les données d'entraînement collectées par Debugger.

**Analyse des métriques système et de framework**
+ [Accès aux données du profil](debugger-analyze-data-profiling.md)
+ [Tracé des données des métriques système et de framework](debugger-access-data-profiling-default-plot.md)
+ [Accès aux données de profilage à l'aide de l'outil d'analyse de données Pandas](debugger-access-data-profiling-pandas-frame.md)
+ [Accès aux données de statistiques de profilage Python](debugger-access-data-python-profiling.md)
+ [Fusion des chronologies de plusieurs fichiers de trace de profil](debugger-merge-timeline.md)
+ [Profilage des chargeurs de données](debugger-data-loading-time.md)