Construya un SageMaker XGBoost estimador con la regla XGBoost Debugger Report - Amazon SageMaker

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Construya un SageMaker XGBoost estimador con la regla XGBoost Debugger Report

La regla CreateXgboostReport recopila los siguientes tensores de salida de su trabajo de entrenamiento:

  • hyperparameters: se guarda en el primer paso.

  • metrics: ahorra pérdidas y precisión cada 5 pasos.

  • feature_importance: se guarda cada 5 pasos.

  • predictions: se guarda cada 5 pasos.

  • labels: se guarda cada 5 pasos.

Los tensores de salida se guardan en un bucket S3 predeterminado. Por ejemplo, s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/.

Cuando construya un SageMaker estimador para un trabajo de XGBoost formación, especifique la regla como se muestra en el siguiente código de ejemplo.

Using the SageMaker generic estimator
import boto3
import sagemaker
from sagemaker.estimator import Estimator
from sagemaker import image_uris
from sagemaker.debugger import Rule, rule_configs

rules=[
    Rule.sagemaker(rule_configs.create_xgboost_report())
]

region = boto3.Session().region_name
xgboost_container=sagemaker.image_uris.retrieve("xgboost", region, "1.2-1")

estimator=Estimator(
    role=sagemaker.get_execution_role()
    image_uri=xgboost_container,
    base_job_name="debugger-xgboost-report-demo",
    instance_count=1,
    instance_type="ml.m5.2xlarge",
    
    # Add the Debugger XGBoost report rule
    rules=rules
)

estimator.fit(wait=False)