SageMaker Studioで深層学習モデルをファインチューニングしている際に、勾配消失、GPUの利用率不足、過学習といった問題が発生すると予想されます。これらの問題が検出されたときに、トレーニング中にリアルタイムで包括的なメトリクスと自動的な反応（事前定義されたアクション）が必要であり、運用上のオーバーヘッドは最小限に抑えたいと考えています。このニーズを満たすオプションはどれですか？

SageMaker Debuggerは、勾配消失、GPU利用率不足、過学習といった深層学習モデルの一般的な問題をリアルタイムで検出するために設計されています。組み込みルールを使用することで、これらの問題を自動的に監視し、検出時に事前定義されたアクション（例えば、トレーニングジョブの停止やハイパーパラメータの調整）をトリガーできます。これにより、運用上のオーバーヘッドを最小限に抑えつつ、包括的なメトリクスと自動的な対応を実現できます。 TensorBoardは監視ツールですが、リアルタイムでの自動アクションは直接サポートしていません。CloudWatchのデフォルトメトリクスは基本的な情報を提供しますが、勾配消失のような深層学習特有の問題を直接検出する機能は限定的です。CloudWatchメトリクスを拡張して勾配を含めることは可能ですが、SageMaker Debuggerの組み込みルールに比べて設定が複雑で、運用上のオーバーヘッドが増大します。