在 SageMaker Studio 中微調深度學習模型時，您預期會遇到諸如梯度消失、GPU 未充分利用和過度擬合等問題。您需要在訓練期間獲得即時、全面的指標，並在偵測到這些問題時自動反應（預定義動作），且操作開銷最小。哪個選項能滿足這些需求？

SageMaker Debugger 專為深度學習模型訓練中的常見問題（如梯度消失、GPU 利用率不足和過度擬合）提供即時監控和自動化響應。它使用內建規則來檢測這些問題，並可配置為在問題發生時自動觸發預定義動作，操作開銷最小。 其他選項的不足之處在於： TensorBoard 雖然提供視覺化監控，但需要額外設定才能實現自動化響應，且通常用於離線分析。 CloudWatch 預設訓練指標較為通用，可能無法提供深度學習模型所需的詳細即時洞察，也無法直接檢測梯度消失等問題。 擴展 CloudWatch 指標以包含每個訓練步驟的梯度會顯著增加操作複雜性和成本，且不如 SageMaker Debugger 專為此目的設計的解決方案高效。