本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
一般而言，您會將訓練模型的資料分割成訓練和驗證資料集。您可以使用訓練組來訓練模型參數，以用來依據訓練資料集進行預測。然後，您可以計算驗證組的預測結果，以測試模型預測的準確度。若要分析訓練任務的效能，通常是繪製訓練曲線和驗證曲線。
檢視訓練組和驗證組隨著時間的準確度圖表，有助您改進模型的效能。好比說，如果訓練準確度隨著時間持續增加，但某個時間點的驗證準確度開始降低，您可能過度擬合模型。若要解決此問題，您可以調整模型，例如提高正規化。
在此範例中，您可以在 SageMaker AI 筆記本執行個體的範例筆記本區段中使用 Image-classification-full-training 範例。如果您沒有 SageMaker 筆記本執行個體，請遵循建立教學課程的 Amazon SageMaker 筆記本執行個體的指示建立一個。您也可以遵循 GitHub 上範例筆記本中的端對端多類別影像分類範例
檢視訓練和驗證錯誤曲線
-
在 https：//https://console.aws.amazon.com/sagemaker
開啟 SageMaker AI 主控台。 -
選擇筆記本，然後選擇筆記本執行個體。
-
選擇您想要使用的筆記本執行個體，然後選擇開啟。
-
在筆記本執行個體的儀表板上，選擇 SageMaker AI 範例。
-
展開 Amazon 演算法簡介區段，然後選擇 Image-classification-fulltraining.ipynb 旁邊的使用。
-
選擇建立複本。SageMaker AI 會在您的筆記本執行個體中建立 Image-classification-fulltraining.ipynb 筆記本的可編輯副本。
-
執行筆記本中的所有儲存格，直到推論區段。您不需要部署端點或取得此範例的推論。
-
啟動訓練任務後，在 https://console.aws.amazon.com/cloudwatch
開啟 CloudWatch 主控台。 -
選擇指標，然後選擇 /aws/sagemaker/TrainingJobs。
-
選擇 TrainingJobName。
-
在所有指標標籤上，選擇您在筆記本中所建立之訓練任務的 train:accuracy 和 validation:accuracy 指標。
-
在圖形上，選擇要放大指標值的區域。您應該會看到類似下列範例的內容。
