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。

# Amazon SageMaker Studio Classic 實驗中的 Amazon SageMaker Debugger 使用者介面
<a name="debugger-on-studio"></a>

使用 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體上執行訓練任務時，使用 Amazon SageMaker Studio Classic 實驗中的 Amazon SageMaker Debugger 深入分析儀表板，分析模型效能和系統瓶頸。透過偵錯工具儀表板深入分析您的訓練工作，並改善模型訓練效能和準確性。根據預設值，Debugger 會每 500 毫秒監控系統指標 (CPU、GPU、GPU 記憶體、網路和資料 I/O)，並監控訓練工作每 500 次迭代的基本輸出張量 (遺失和準確性)。您還可以透過 Studio Classic 使用者介面或使用 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable)進一步自訂偵錯工具設定參數值，並調整儲存間隔。

**重要**  
如果您使用現有的 Studio Classic 應用程式，請刪除應用程式並重新啟動，以使用最新的 Studio Classic 功能。有關如何重新啟動和更新 Studio Classic 環境的說明，請參閱[更新 Amazon SageMaker AI Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-tasks-update.html)。

**Topics**
+ [開啟 Amazon SageMaker Debugger 深入分析儀表板](debugger-on-studio-insights.md)
+ [Amazon SageMaker Debugger 深入分析儀表板控制器](debugger-on-studio-insights-controllers.md)
+ [探索 Amazon SageMaker Debugger 深入分析儀表板](debugger-on-studio-insights-walkthrough.md)
+ [將 Amazon SageMaker Debugger 深入分析執行個體關機](debugger-on-studio-insights-close.md)