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。

# Experiments Classic 的範例筆記本
<a name="experiments-examples"></a>

以下範例筆記本示範如何追蹤各種模型訓練實驗的執行項目。您可以在執行筆記本後利用 Studio Classic 檢視產生的實驗。如需展示 Studio Classic 其他功能的教學課程，請參閱[Amazon SageMaker Studio Classic 導覽](gs-studio-end-to-end.md)。

## 在筆記本環境中追蹤實驗
<a name="experiments-tutorials-notebooks"></a>

若要深入了解如何追蹤筆記本環境中的實驗，請參閱下列範例筆記本：
+ [在本機訓練 Keras 模型時追蹤實驗](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-experiments/local_experiment_tracking/keras_experiment.html)
+ [在本機或筆記本中訓練 Pytorch 模型時追蹤實驗](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-experiments/local_experiment_tracking/pytorch_experiment.html)

## 使用 SageMaker Clarify 追蹤實驗的偏差和解釋性
<a name="experiments-tutorials-clarify"></a>

如需追蹤實驗偏差和解釋性的逐步指南，請參閱下列範例筆記本：
+ [使用 SageMaker Clarify 取得公平性和解釋性](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-experiments/sagemaker_clarify_integration/tracking_bias_explainability.html)

## 使用指令碼模式追蹤 SageMaker 訓練任務的實驗
<a name="experiments-tutorials-scripts"></a>

若需進一步了解如何追蹤 SageMaker 訓練任務的實驗，請參閱下列範例筆記本：
+ [使用 Pytorch 分散式資料平行執行 SageMaker AI 實驗：MNIST 手寫數字分類](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-experiments/sagemaker_job_tracking/pytorch_distributed_training_experiment.html)
+ [追蹤實驗，同時使用 SageMaker 訓練任務訓練 Pytorch 模型](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-experiments/sagemaker_job_tracking/pytorch_script_mode_training_job.html)
+ [使用 SageMaker 訓練任務來訓練 TensorFlow 模型，並使用 SageMaker Experiments 對其進行追蹤](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-experiments/sagemaker_job_tracking/tensorflow_script_mode_training_job.html)