Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Unduh laporan pelatihan Debugger XGBoost
Unduh laporan XGBoost pelatihan Debugger saat tugas pelatihan Anda berjalan atau setelah pekerjaan selesai menggunakan Amazon SageMaker Python SDK
- Download using the SageMaker Python SDK and AWS CLI
-
-
Periksa basis URI output S3 default pekerjaan saat ini.
estimator.output_path
-
Periksa nama pekerjaan saat ini.
estimator.latest_training_job.job_name
-
XGBoostLaporan Debugger disimpan di bawah.
<default-s3-output-base-uri>/<training-job-name>/rule-output
Konfigurasikan jalur keluaran aturan sebagai berikut:rule_output_path = estimator.output_path + "/" + estimator.latest_training_job.job_name + "/rule-output"
-
Untuk memeriksa apakah laporan dibuat, daftar direktori dan file secara rekursif di bawah
rule_output_path
menggunakanaws s3 ls
dengan opsi.--recursive
! aws s3 ls {rule_output_path} --recursive
Ini akan mengembalikan daftar lengkap file di bawah folder yang dibuat otomatis yang diberi nama
CreateXgboostReport
danProfilerReport-1234567890
. Laporan XGBoost pelatihan disimpan diCreateXgboostReport
, dan laporan pembuatan profil disimpan diProfilerReport-1234567890
folder. Untuk mempelajari lebih lanjut tentang laporan pembuatan profil yang dihasilkan secara default dengan pekerjaan XGBoost pelatihan, lihatSageMaker Laporan interaktif debugger.xgboost_report.html
Ini adalah laporan XGBoost pelatihan yang dibuat secara otomatis oleh Debugger.xgboost_report.ipynb
Ini adalah notebook Jupyter yang digunakan untuk menggabungkan hasil pelatihan ke dalam laporan. Anda dapat mengunduh semua file, menelusuri file HTML laporan, dan memodifikasi laporan menggunakan buku catatan. -
Unduh file secara rekursif menggunakan
aws s3 cp
. Perintah berikut menyimpan semua file output aturan keProfilerReport-1234567890
folder di bawah direktori kerja saat ini.! aws s3 cp {rule_output_path}
./
--recursiveTip
Jika Anda menggunakan server notebook Jupyter, jalankan
!pwd
untuk memverifikasi direktori kerja saat ini. -
Di bawah
/CreateXgboostReport
direktori, bukaxgboost_report.html
. Jika Anda menggunakan JupyterLab, pilih Trust HTML untuk melihat laporan pelatihan Debugger yang dibuat secara otomatis. -
Buka
xgboost_report.ipynb
file untuk mengeksplorasi bagaimana laporan dibuat. Anda dapat menyesuaikan dan memperpanjang laporan pelatihan menggunakan file notebook Jupyter.
-
- Download using the Amazon S3 console
-
Masuk ke AWS Management Console dan buka konsol Amazon S3 di. https://console.aws.amazon.com/s3/
-
Cari ember S3 dasar. Misalnya, jika Anda belum menentukan nama pekerjaan dasar apa pun, nama bucket S3 dasar harus dalam format berikut:
sagemaker-
. Cari bucket S3 dasar melalui bidang Find bucket by name.<region>
-111122223333 -
Di bucket S3 dasar, cari nama pekerjaan pelatihan dengan memasukkan awalan nama pekerjaan Anda di Temukan objek dengan awalan dan kemudian pilih nama pekerjaan pelatihan.
-
Di bucket S3 pekerjaan pelatihan, pilih aturan-output/subfolder. Harus ada tiga subfolder untuk data pelatihan yang dikumpulkan oleh Debugger: debug-output/, profiler-output/, dan rule-output/.
-
Di folder aturan-output/, pilih folder/. CreateXgboostReport Folder berisi xbgoost_report.html (laporan autogenerated dalam html) dan xbgoost_report.ipynb (notebook Jupyter dengan skrip yang digunakan untuk menghasilkan laporan).
-
Pilih file xbgoost_report.html, pilih Download actions, lalu pilih Download.
-
Buka file xbgoost_report.html yang diunduh di browser web.