Debugger XGBoost 훈련 보고서를 다운로드하세요. - Amazon SageMaker AI

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Debugger XGBoost 훈련 보고서를 다운로드하세요.

훈련 작업이 실행 중이거나 작업이 완료된 후에 Amazon SageMaker Python SDK 및 AWS Command Line Interface (CLI)을(를) 사용하여 Debugger XGBoost 훈련 보고서를 다운로드하세요.

Download using the SageMaker Python SDK and AWS CLI

  1. 현재 작업의 기본 S3 출력 기본 URI를 확인하세요.

    estimator.output_path

  2. 현재 작업 이름을 확인하세요.

    estimator.latest_training_job.job_name

  3. Debugger XGBoost 보고서는 <default-s3-output-base-uri>/<training-job-name>/rule-output에 저장됩니다. 규칙 출력 경로를 다음과 같이 구성하세요.

    rule_output_path = estimator.output_path + "/" + estimator.latest_training_job.job_name + "/rule-output"

  4. 보고서가 생성되었는지 확인하려면 --recursive 옵션으로 aws s3 ls을(를) 사용하여 rule_output_path 하위에 디렉터리 및 파일을 반복적으로 나열하세요.

    ! aws s3 ls {rule_output_path} --recursive

    그러면 이름이 CreateXgboostReport 및 ProfilerReport-1234567890인 자동 생성 폴더들 하위에 파일의 전체 목록이 반환됩니다. XGBoost 훈련 보고서는 CreateXgboostReport에 저장되고 프로파일링 보고서는 ProfilerReport-1234567890 폴더에 저장됩니다. XGBoost 훈련 작업에서 기본적으로 생성되는 프로파일링 보고서에 대한 자세한 내용은 SageMaker Debugger 대화형 보고서을(를) 참조하세요.

    규칙 출력 예제.

    xgboost_report.html은(는) Debugger에서 자동 생성되는 XGBoost 훈련 보고서입니다. xgboost_report.ipynb은(는) 훈련 결과를 보고서로 집계하는 데 사용되는 Jupyter notebook입니다. 이 노트북을 사용하면 모든 파일을 다운로드하고, HTML 보고서 파일을 찾아보고, 보고서를 수정할 수 있습니다.

  5. aws s3 cp을(를) 사용하여 파일을 반복적으로 다운로드하세요. 다음 명령은 모든 규칙 출력 파일을 현재 작업 디렉터리 하위의 ProfilerReport-1234567890 폴더에 저장합니다.

    ! aws s3 cp {rule_output_path} ./ --recursive
    작은 정보

    Jupyter notebook 서버를 사용하려는 경우 !pwd을(를) 실행하여 현재 작업 디렉터리를 확인하세요.

  6. /CreateXgboostReport 디렉터리 하위에서 xgboost_report.html을(를) 여세요. JupyterLab을 사용하려는 경우, 자동 생성된 Debugger 훈련 보고서를 보려면 HTML 신뢰를 선택하세요.

    규칙 출력 예제.

  7. xgboost_report.ipynb 파일을 열어 보고서 생성 방법을 확인하세요. Jupyter notebook 파일을 사용하여 훈련 보고서를 사용자 지정하고 확장할 수 있습니다.

Download using the Amazon S3 console

  1. 에 로그인 AWS Management Console 하고 https://console.aws.amazon.com/s3/ Amazon S3 콘솔을 엽니다.

  2. 기본 S3 버킷을 검색합니다. 예를 들어 기본 작업 이름을 지정하지 않은 경우 기본 S3 버킷 이름은 sagemaker-<region>-111122223333 형식이어야 합니다. 이름으로 버킷 찾기 필드를 통해 기본 S3 버킷을 조회하세요.

    Amazon S3 콘솔의 이름으로 버킷 찾기 필드.

  3. 기본 S3 버킷에서 접두사로 객체 찾기에 작업 이름 접두사를 입력한 다음, 훈련 작업 이름을 선택하여 훈련 작업 이름을 조회하세요.

    Amazon S3 콘솔의 접두사로 객체 찾기 필드.

  4. 훈련 작업의 S3 버킷에서 rule-output/ 하위 폴더를 선택하세요. Debugger에서 수집되는 훈련 데이터의 하위 폴더는 debug-output/, profiler-output/, rule-output/ 3개여야 합니다.

    규칙 출력 S3 버킷 URI 예제.

  5. rule-output/ 폴더에서 CreateXgboostReport/ 폴더를 선택하세요. 이 폴더에는 xbgoost_report.html(html 형식으로 자동 생성되는 보고서) 및 xbgoost_report.ipynb(보고서 생성에 사용될 스크립트가 포함된 Jupyter notebook)가 들어 있습니다.

  6. xbgoost_report.html 파일을 선택하고 작업 다운로드를 선택한 다음 다운로드를 선택하세요.

    규칙 출력 S3 버킷 URI 예제.

  7. 다운로드한 xbgoost_report.html 파일을 웹 브라우저로 여세요.