Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Metode kelas estimator SageMaker AI yang berguna untuk Debugger
Metode kelas estimator berikut berguna untuk mengakses informasi pekerjaan SageMaker pelatihan Anda dan mengambil jalur keluaran data pelatihan yang dikumpulkan oleh Debugger. Metode berikut dapat dieksekusi setelah Anda memulai pekerjaan pelatihan dengan metode ini. estimator.fit()
-
Untuk memeriksa URI bucket S3 dasar dari pekerjaan SageMaker pelatihan:
estimator.output_path -
Untuk memeriksa nama pekerjaan dasar dari pekerjaan SageMaker pelatihan:
estimator.latest_training_job.job_name -
Untuk melihat konfigurasi operasi
CreateTrainingJobAPI lengkap dari pekerjaan SageMaker pelatihan:estimator.latest_training_job.describe() -
Untuk memeriksa daftar lengkap aturan Debugger saat pekerjaan SageMaker pelatihan sedang berjalan:
estimator.latest_training_job.rule_job_summary() -
Untuk memeriksa URI bucket S3 tempat data parameter model (tensor keluaran) disimpan:
estimator.latest_job_debugger_artifacts_path() -
Untuk memeriksa URI bucket S3 di mana data kinerja model (metrik sistem dan kerangka kerja) disimpan:
estimator.latest_job_profiler_artifacts_path() -
Untuk memeriksa konfigurasi aturan Debugger untuk men-debug tensor keluaran:
estimator.debugger_rule_configs -
Untuk memeriksa daftar aturan Debugger untuk debugging saat pekerjaan SageMaker pelatihan sedang berjalan:
estimator.debugger_rules -
Untuk memeriksa konfigurasi aturan Debugger untuk memantau dan membuat profil metrik sistem dan kerangka kerja:
estimator.profiler_rule_configs -
Untuk memeriksa daftar aturan Debugger untuk pemantauan dan pembuatan profil saat pekerjaan SageMaker pelatihan sedang berjalan:
estimator.profiler_rules
Untuk informasi selengkapnya tentang class estimator SageMaker AI dan metodenya, lihat Estimator API
