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。

# 使用调试 XGBoost 器报告规则构建 SageMaker AI XGBoost 估算器
<a name="debugger-training-xgboost-report-estimator"></a>

[CreateXgboostReport](debugger-built-in-rules.md#create-xgboost-report) 规则从您的训练作业中收集以下输出张量：
+ `hyperparameters` – 在第 1 步时保存。
+ `metrics` – 每 5 步保存损失和准确性。
+ `feature_importance` – 每 5 步保存一次。
+ `predictions` – 每 5 步保存一次。
+ `labels` – 每 5 步保存一次。

输出张量保存在默认 S3 存储桶中。例如 `s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/`。

在为 XGBoost 训练作业构建 A SageMaker I 估算器时，请指定规则，如以下示例代码所示。

------
#### [ Using the SageMaker AI generic estimator ]

```
import boto3
import sagemaker
from sagemaker.estimator import Estimator
from sagemaker import image_uris
from sagemaker.debugger import Rule, rule_configs

rules=[
    Rule.sagemaker(rule_configs.create_xgboost_report())
]

region = boto3.Session().region_name
xgboost_container=sagemaker.image_uris.retrieve("xgboost", region, "1.2-1")

estimator=Estimator(
    role=sagemaker.get_execution_role()
    image_uri=xgboost_container,
    base_job_name="debugger-xgboost-report-demo",
    instance_count=1,
    instance_type="ml.m5.2xlarge",
    
    # Add the Debugger XGBoost report rule
    rules=rules
)

estimator.fit(wait=False)
```

------