Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Gunakan aturan profiler bawaan yang dikelola oleh Amazon SageMaker Debugger
**catatan**
Pemberitahuan akhir dukungan: Pada 30 Juni 2027, dukungan untuk Amazon SageMaker Profiler AWS akan berakhir. Setelah 30 Juni 2027, Anda tidak akan lagi dapat mengakses konsol Profiler atau sumber daya Profiler. Untuk informasi selengkapnya, lihat [Perubahan ketersediaan profiler](profiler-availability-change.md).
Aturan profiler bawaan Amazon SageMaker Debugger menganalisis metrik sistem dan operasi kerangka kerja yang dikumpulkan selama pelatihan model. Debugger menawarkan operasi `ProfilerRule` API yang membantu mengonfigurasi aturan untuk memantau sumber daya dan operasi komputasi pelatihan dan untuk mendeteksi anomali. Misalnya, aturan pembuatan profil dapat membantu Anda mendeteksi apakah ada masalah komputasi seperti hambatan CPU, waktu I/O tunggu yang berlebihan, beban kerja yang tidak seimbang di seluruh pekerja GPU, dan kurangnya pemanfaatan sumber daya komputasi. Untuk melihat daftar lengkap aturan pembuatan profil bawaan yang tersedia, lihat[Daftar aturan profiler bawaan Debugger](debugger-built-in-profiler-rules.md). Topik berikut menunjukkan cara menggunakan aturan bawaan Debugger dengan pengaturan parameter default dan nilai parameter kustom.
**catatan**
Aturan bawaan disediakan melalui wadah SageMaker pemrosesan Amazon dan dikelola sepenuhnya oleh SageMaker Debugger tanpa biaya tambahan. Untuk informasi selengkapnya tentang penagihan, lihat [ halaman SageMaker Harga ](https://aws.amazon.com/sagemaker/pricing/) Amazon.
**Topics**
+ [Gunakan aturan profiler bawaan SageMaker Debugger dengan pengaturan parameter defaultnya](#debugger-built-in-profiler-rules-configuration)
+ [Gunakan aturan profiler bawaan Debugger dengan nilai parameter khusus](#debugger-built-in-profiler-rules-configuration-param-change)
## Gunakan aturan profiler bawaan SageMaker Debugger dengan pengaturan parameter defaultnya
Untuk menambahkan aturan bawaan SageMaker Debugger di Anda ModelTrainer, Anda perlu mengonfigurasi objek `rules` daftar. Kode contoh berikut menunjukkan struktur dasar daftar aturan bawaan SageMaker Debugger.
```
from sagemaker.debugger import Rule, ProfilerRule, rule_configs
rules=[
ProfilerRule.sagemaker(rule_configs.{{BuiltInProfilerRuleName_1}}()),
ProfilerRule.sagemaker(rule_configs.{{BuiltInProfilerRuleName_2}}()),
...
ProfilerRule.sagemaker(rule_configs.{{BuiltInProfilerRuleName_n}}()),
... # You can also append more debugging rules in the Rule.sagemaker(rule_configs.*()) format.
]
model_trainer=ModelTrainer(
...
rules=rules
)
```
Untuk daftar lengkap aturan bawaan yang tersedia, lihat[Daftar aturan profiler bawaan Debugger](debugger-built-in-profiler-rules.md).
Untuk menggunakan aturan pembuatan profil dan memeriksa kinerja komputasi dan kemajuan pekerjaan pelatihan Anda, tambahkan [`ProfilerReport`](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-profiler-rules.html#profiler-report) aturan SageMaker Debugger. Aturan ini mengaktifkan semua aturan bawaan di bawah ProfilerRule [`ProfilerRule` keluarga ](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-profiler-rules.html#debugger-built-in-profiler-rules-ProfilerRule) Debugger. Selanjutnya, aturan ini menghasilkan laporan profil agregat. Untuk informasi selengkapnya, lihat Laporan [ Profil yang Dibuat Menggunakan SageMaker Debugger](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-profiling-report.html). Anda dapat menggunakan kode berikut untuk menambahkan aturan laporan profil ke pelatihan Anda ModelTrainer.
```
from sagemaker.debugger import Rule, rule_configs
rules=[
ProfilerRule.sagemaker(rule_configs.ProfilerReport())
]
```
Saat Anda memulai pekerjaan pelatihan dengan `ProfilerReport` aturan, Debugger mengumpulkan data pemanfaatan sumber daya setiap 500 milidetik. Debugger menganalisis pemanfaatan sumber daya untuk mengidentifikasi apakah model Anda mengalami masalah bottleneck. Jika aturan mendeteksi anomali pelatihan, status evaluasi aturan berubah menjadi`IssueFound`. Anda dapat mengatur tindakan otomatis, seperti memberi tahu masalah pelatihan dan menghentikan pekerjaan pelatihan menggunakan Amazon Ev CloudWatch ents dan AWS Lambda. Untuk informasi selengkapnya, lihat [Tindakan pada aturan Amazon SageMaker Debugger](debugger-action-on-rules.md).
## Gunakan aturan profiler bawaan Debugger dengan nilai parameter khusus
Jika Anda ingin menyesuaikan nilai parameter aturan bawaan dan menyesuaikan regex koleksi tensor, konfigurasikan `rule_parameters` parameter `base_config` dan untuk metode kelas `ProfilerRule.sagemaker` dan`Rule.sagemaker`. Dalam kasus metode `Rule.sagemaker` kelas, Anda juga dapat menyesuaikan koleksi tensor melalui `collections_to_save` parameter. Untuk instruksi tentang cara menggunakan `CollectionConfig` kelas, lihat[Konfigurasikan koleksi tensor menggunakan API `CollectionConfig`](debugger-configure-tensor-collections.md).
Gunakan template konfigurasi berikut untuk aturan bawaan untuk menyesuaikan nilai parameter. Dengan mengubah parameter aturan sesuai keinginan, Anda dapat menyesuaikan sensitivitas aturan yang akan dimulai.
+ `base_config`Argumennya adalah tempat Anda memanggil metode aturan bawaan.
+ `rule_parameters`Argumennya adalah untuk menyesuaikan nilai kunci default dari aturan bawaan yang tercantum di[Daftar aturan profiler bawaan Debugger](debugger-built-in-profiler-rules.md).
Untuk informasi selengkapnya tentang kelas aturan Debugger, metode, dan parameter, lihat kelas [ SageMaker Aturan Debugger AI ](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html) di [ Amazon SageMaker Python SDK. ](https://sagemaker.readthedocs.io/en/stable)
```
from sagemaker.debugger import Rule, ProfilerRule, rule_configs, CollectionConfig
rules=[
ProfilerRule.sagemaker(
base_config=rule_configs.{{BuiltInProfilerRuleName}}(),
rule_parameters={
"{{key}}": "{{value}}"
}
)
]
```
Deskripsi parameter dan contoh penyesuaian nilai disediakan untuk setiap aturan di[Daftar aturan profiler bawaan Debugger](debugger-built-in-profiler-rules.md).
Untuk konfigurasi JSON tingkat rendah dari aturan bawaan Debugger menggunakan `CreateTrainingJob` API, lihat. [Konfigurasikan Debugger menggunakan API SageMaker](debugger-createtrainingjob-api.md)