要在AWS SageMaker训练脚本中传递自定义用户参数，可以使用argparse模块来解析命令行参数。以下是一个示例：

import argparse

# 创建argparse解析器
parser = argparse.ArgumentParser()

# 添加自定义参数
parser.add_argument('--param1', type=str, default='default_value1', help='参数1的帮助信息')
parser.add_argument('--param2', type=int, default=0, help='参数2的帮助信息')

# 解析命令行参数
args = parser.parse_args()

# 使用参数
print(f'参数1: {args.param1}')
print(f'参数2: {args.param2}')

将上述代码保存为一个.py文件，例如train.py。在SageMaker训练作业中，可以通过指定hyperparameters参数传递自定义参数。例如：

from sagemaker.estimator import Estimator

# 创建Estimator对象
estimator = Estimator(role=role,
                      train_instance_count=1,
                      train_instance_type='ml.c4.xlarge',
                      image_name='image_name',
                      hyperparameters={
                          'param1': 'custom_value1',
                          'param2': 123
                      })

# 启动训练作业
estimator.fit(inputs)

在上述示例中，param1和param2是自定义参数，可以根据需要进行调整。在创建Estimator对象时，通过hyperparameters参数传递自定义参数的值。在训练脚本中使用args.param1和args.param2即可获取传递的参数值。