As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Criação de regras personalizadas usando a biblioteca de cliente do Depurador
<a name="debugger-custom-rules"></a>

Você pode criar regras personalizadas para monitorar seu trabalho de treinamento usando a regra Debugger APIs e a [biblioteca `smdebug` Python](https://github.com/awslabs/sagemaker-debugger/) de código aberto que fornecem ferramentas para criar seus próprios contêineres de regras.

## Pré-requisitos para criação de regra personalizada
<a name="debugger-custom-rules-prerequisite"></a>

Para criar regras personalizadas do Debugger, você precisa dos seguintes pré-requisitos:
+ [SageMaker Regra do depurador. API personalizada](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.Rule.custom)
+ [A biblioteca de cliente de código aberto smdebug](https://github.com/awslabs/sagemaker-debugger/)
+ Seu próprio script de regras personalizadas em Python
+ [Imagem do Amazon SageMaker Debugger URIs para avaliadores de regras personalizadas](debugger-reference.md#debuger-custom-rule-registry-ids)

**Topics**
+ [Pré-requisitos para criação de regra personalizada](#debugger-custom-rules-prerequisite)
+ [Use a biblioteca de cliente do `smdebug` para criar regra personalizada na forma de um script Python](debugger-custom-rules-python-script.md)
+ [Use o Debugger APIs para executar suas próprias regras personalizadas](debugger-custom-rules-python-sdk.md)