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 **catatan** Amazon SageMaker Debugger tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Debugger, tetapi kami tidak berencana untuk memperkenalkan fitur baru. Untuk informasi selengkapnya, lihat [Perubahan ketersediaan debugger](debugger-availability-change.md). 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 `estimator.fit()` metode tersebut. + Untuk memeriksa URI bucket S3 dasar dari pekerjaan SageMaker pelatihan: ``` estimator.output_path ``` + Untuk memeriksa nama pekerjaan dasar pekerjaan SageMaker pelatihan: ``` estimator.latest_training_job.job_name ``` + Untuk melihat konfigurasi operasi `CreateTrainingJob` API 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 pemantauan dan pembuatan profil sistem dan metrik 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 kelas estimator SageMaker AI dan metodenya, lihat [ Estimator API ](https://sagemaker.readthedocs.io/en/stable/api/sagemaker_train.html) di [ Amazon SageMaker Python SDK. ](https://sagemaker.readthedocs.io/en/stable)