Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Konfigurasikan koleksi tensor menggunakan API `CollectionConfig`
<a name="debugger-configure-tensor-collections"></a>

Gunakan operasi `CollectionConfig` API untuk mengonfigurasi koleksi tensor. Debugger menyediakan koleksi tensor pra-bangun yang mencakup berbagai ekspresi reguler (regex) parameter jika menggunakan kerangka kerja pembelajaran Debugger-supported mendalam dan algoritme pembelajaran mesin. Seperti yang ditunjukkan pada kode contoh berikut, tambahkan koleksi tensor bawaan yang ingin Anda debug.

```
from sagemaker.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(name="weights"),
    CollectionConfig(name="gradients")
]
```

Koleksi sebelumnya menyiapkan kait Debugger untuk menyimpan tensor setiap 500 langkah berdasarkan nilai default. `"save_interval"`

Untuk daftar lengkap koleksi bawaan Debugger yang tersedia, lihat Koleksi [ Built-in Debugger](https://github.com/awslabs/sagemaker-debugger/blob/master/docs/api.md#collection).

Jika Anda ingin menyesuaikan koleksi bawaan, seperti mengubah interval penyimpanan dan regex tensor, gunakan `CollectionConfig` templat berikut untuk menyesuaikan parameter.

```
from sagemaker.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="{{tensor_collection}}",
        parameters={
            "{{key_1}}": "{{value_1}}",
            "{{key_2}}": "{{value_2}}",
            ...
            "{{key_n}}": "{{value_n}}"
        }
    )
]
```

Untuk informasi selengkapnya tentang kunci parameter yang tersedia, lihat [CollectionConfig](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html#sagemaker.debugger.CollectionConfig)di [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK. Misalnya, contoh kode berikut menunjukkan bagaimana Anda dapat menyesuaikan interval penyimpanan pengumpulan tensor “kerugian” pada fase pelatihan yang berbeda: hemat kerugian setiap 100 langkah dalam fase pelatihan dan kehilangan validasi setiap 10 langkah dalam fase validasi. 

```
from sagemaker.debugger import CollectionConfig

collection_configs=[
    CollectionConfig(
        name="{{losses}}",
        parameters={
            "{{train.save_interval}}": "{{100}}",
            "{{eval.save_interval}}": "{{10}}"
        }
    )
]
```

**Tip**  
Objek konfigurasi koleksi tensor ini dapat digunakan untuk keduanya [DebuggerHookConfig](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-configure-hook.html#debugger-configure-tensor-hook)dan operasi [Rule](https://docs.aws.amazon.com/sagemaker/latest/dg/use-debugger-built-in-rules.html#debugger-built-in-rules-configuration-param-change) API.