Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
SageMaker Utili metodi di valutazione delle classi AI per Debugger
Nota
Amazon SageMaker Debugger non è più aperto a nuovi clienti. I clienti esistenti possono continuare a utilizzare il servizio normalmente. AWS continua a investire in miglioramenti della sicurezza e della disponibilità di Debugger, ma non prevediamo di introdurre nuove funzionalità. Per ulteriori informazioni, consulta Modifica della disponibilità del debugger.
I seguenti metodi di valutazione sono utili per accedere alle informazioni sul lavoro di SageMaker formazione e recuperare i percorsi di output dei dati di formazione raccolti da Debugger. I seguenti metodi sono eseguibili dopo l'avvio di un processo di addestramento con il metodo estimator.fit().
-
Per verificare l'URI del bucket S3 di base di un job di formazione: SageMaker
estimator.output_path -
Per verificare il nome del job di base di un job di SageMaker formazione:
estimator.latest_training_job.job_name -
Per visualizzare una configurazione operativa
CreateTrainingJobAPI completa di un job di SageMaker formazione:estimator.latest_training_job.describe() -
Per controllare un elenco completo delle regole del Debugger mentre è in esecuzione un processo di SageMaker formazione:
estimator.latest_training_job.rule_job_summary() -
Per controllare l'URI del bucket S3 in cui vengono salvati i dati dei parametri del modello (tensori di output):
estimator.latest_job_debugger_artifacts_path() -
Per controllare l'URI del bucket S3 in cui vengono salvati i dati di prestazione del modello (parametri di sistema e framework):
estimator.latest_job_profiler_artifacts_path() -
Per verificare la configurazione delle regole di Debugger per il debug dei tensori di output:
estimator.debugger_rule_configs -
Per controllare l'elenco delle regole del Debugger per il debugging mentre è in esecuzione un processo di formazione: SageMaker
estimator.debugger_rules -
Per verificare la configurazione delle regole di Debugger per il monitoraggio e la profilazione dei parametri del sistema e del framework:
estimator.profiler_rule_configs -
Per controllare l'elenco delle regole del Debugger per il monitoraggio e la profilazione durante l'esecuzione di un processo di formazione: SageMaker
estimator.profiler_rules
Per ulteriori informazioni sulla classe SageMaker AI estimator e sui relativi metodi, consulta Estimator API
