本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 使用 `smdebug` 客户端库以 Python 脚本创建自定义规则
<a name="debugger-custom-rules-python-script"></a>

`smdebug` 规则 API 提供了一个接口，用于设置自己的自定义规则。以下 Python 脚本示例演示了如何构造自定义规则 `CustomGradientRule`。本教程的自定义规则监控梯度变是否太大并将默认阈值设置为 10。自定义规则采用 A SageMaker I 估算器在启动训练作业时创建的基础试验。

```
from smdebug.rules.rule import Rule

class CustomGradientRule(Rule):
    def __init__(self, base_trial, threshold=10.0):
        super().__init__(base_trial)
        self.threshold = float(threshold)

    def invoke_at_step(self, step):
        for tname in self.base_trial.tensor_names(collection="gradients"):
            t = self.base_trial.tensor(tname)
            abs_mean = t.reduction_value(step, "mean", abs=True)
            if abs_mean > self.threshold:
                return True
        return False
```

您可以在同一个 python 脚本中按需要添加任意数量的自定义规则类，并通过在下个部分中构造自定义规则对象，来将它们部署到任何训练作业试验中。