Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Debuggen von Trainingsjobs mit Amazon SageMaker Debugger
<a name="debugger-debug-training-jobs"></a>

Um Ihr Trainingsskript vorzubereiten und Trainingsjobs mit SageMaker Debugger auszuführen, um den Trainingsfortschritt des Modells zu debuggen, folgen Sie dem typischen zweistufigen Prozess: Ändern Sie Ihr Trainingsskript mit dem `sagemaker-debugger` Python-SDK und erstellen Sie einen SageMaker KI-Schätzer mit dem Python-SDK. SageMaker Gehen Sie die folgenden Themen durch, um zu erfahren, wie Sie die Debugging-Funktionalität von SageMaker Debugger verwenden können.

**Topics**
+ [Ihr Trainingsskript anpassen, um einen Hook zu registrieren](debugger-modify-script.md)
+ [Starten Sie Trainingsjobs mit dem Debugger mithilfe des SageMaker Python-SDK](debugger-configuration-for-debugging.md)
+ [SageMaker Interaktiver Debugger-Bericht für XGBoost](debugger-report-xgboost.md)
+ [Aktion im Zusammenhang mit Amazon SageMaker Debugger-Regeln](debugger-action-on-rules.md)
+ [Visualisieren Sie Amazon SageMaker Debugger-Ausgabetensoren in TensorBoard](debugger-enable-tensorboard-summaries.md)