기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Debugger 기본 제공 규칙을 기본 파라미터 설정과 함께 사용
<a name="debugger-built-in-rules-configuration"></a>

Debugger 기본 제공 규칙을 예측기에서 지정하려면 목록 객체를 구성해야 합니다. 다음 예제 코드는 Debugger 기본 제공 규칙을 나열하는 기본 구조를 보여줍니다.

```
from sagemaker.debugger import Rule, rule_configs

rules=[
    Rule.sagemaker(rule_configs.{{built_in_rule_name_1}}()),
    Rule.sagemaker(rule_configs.{{built_in_rule_name_2}}()),
    ...
    Rule.sagemaker(rule_configs.{{built_in_rule_name_n}}()),
    ... # You can also append more profiler rules in the ProfilerRule.sagemaker(rule_configs.*()) format.
]
```

기본 매개 변수 값 및 기본 제공 규칙 설명에 대한 자세한 내용은 [Debugger 기본 제공 규칙 목록](debugger-built-in-rules.md)을 참고하세요.

SageMaker Debugger API 참조 사항을 찾으려면 [https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.sagemaker.debugger.rule_configs](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.sagemaker.debugger.rule_configs) 및 [https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.Rule](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.Rule)을 참고하세요.

예를 들어 모델의 전반적인 훈련 성능과 진행 상황을 검사하려면 다음과 같이 내장된 규칙 구성을 사용하여 SageMaker AI 예측기를 구문화합니다.

```
from sagemaker.debugger import Rule, rule_configs

rules=[
    Rule.sagemaker(rule_configs.loss_not_decreasing()),
    Rule.sagemaker(rule_configs.overfit()),
    Rule.sagemaker(rule_configs.overtraining()),
    Rule.sagemaker(rule_configs.stalled_training_rule())
]
```

훈련 작업을 시작하면 Debugger는 기본적으로 500밀리초마다 시스템 리소스 사용률 데이터를 수집하고 500단계마다 손실 및 정확도 값을 수집합니다. Debugger는 리소스 사용률을 분석하여 모델에 병목 문제가 있는지 파악합니다. `loss_not_decreasing`, `overfit`, `overtraining`, `stalled_training_rule`는 모델이 이러한 훈련 문제 없이 손실 함수를 최적화하고 있는지 모니터링합니다. 규칙이 훈련 이상 항목을 감지하면 규칙 평가 상태가 `IssueFound`로 변경됩니다. Amazon CloudWatch Events 및 AWS Lambda를 사용하여 훈련 문제를 알리고 중단하는 등의 자동화된 작업을 설정할 수 있습니다. 자세한 내용은 [Amazon SageMaker Debugger 규칙에 대한 작업](debugger-action-on-rules.md) 단원을 참조하십시오.