Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Cree un XGBoost estimador de SageMaker IA con la regla Debugger Report XGBoost
<a name="debugger-training-xgboost-report-estimator"></a>

La regla [CreateXgboostReport](debugger-built-in-rules.md#create-xgboost-report) recopila los siguientes tensores de salida de su trabajo de entrenamiento: 
+ `hyperparameters`: se guarda en el primer paso.
+ `metrics`: ahorra pérdidas y precisión cada 5 pasos.
+ `feature_importance`: se guarda cada 5 pasos.
+ `predictions`: se guarda cada 5 pasos.
+ `labels`: se guarda cada 5 pasos.

Los tensores de salida se guardan en un bucket S3 predeterminado. Por ejemplo, `s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/`.

Al crear un estimador de SageMaker IA para un trabajo de XGBoost formación, especifique la regla tal y como se muestra en el siguiente código de ejemplo.

------
#### [ 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)
```

------