As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Definir métricas de treinamento
SageMaker A IA analisa automaticamente os registros de tarefas de treinamento e envia métricas de treinamento para o. CloudWatch Por padrão, a SageMaker IA envia métricas de utilização de recursos do sistema listadas em [ SageMaker AI Jobs and Endpoint Metrics. ](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-cloudwatch.html#cloudwatch-metrics-jobs) Se você quiser que a SageMaker IA analise registros e envie métricas personalizadas de um trabalho de treinamento de seu próprio algoritmo para CloudWatch, você precisa especificar definições de métricas passando o nome das métricas e expressões regulares ao configurar uma solicitação de trabalho de treinamento de SageMaker IA.
Você pode especificar as métricas que deseja monitorar usando o console de SageMaker IA, o SDK [ do ](https://github.com/aws/sagemaker-python-sdk) SageMaker AI Python ou a API de IA de baixo nível SageMaker .
Se estiver usando seu próprio algoritmo, faça o seguinte:
+ Certifique-se de que o algoritmo grave as métricas que você deseja capturar nos logs.
+ Defina uma expressão regular que pesquise com precisão os registros para capturar os valores das métricas para as quais você deseja enviar CloudWatch.
Por exemplo, suponhamos que o seu algoritmo emita as seguintes métricas de erro de treinamento e de validação:
```
Train_error=0.138318; Valid_error=0.324557;
```
Se você quiser monitorar essas duas métricas em CloudWatch, o dicionário para as definições de métricas deve ter a aparência do exemplo a seguir:
```
[
{
"Name": "train:error",
"Regex": "Train_error=(.*?);"
},
{
"Name": "validation:error",
"Regex": "Valid_error=(.*?);"
}
]
```
No regex da `train:error` métrica definida no exemplo anterior, a primeira parte do regex encontra o texto exato "Train\_error=” e a expressão `(.*?);` captura todos os caracteres até que o primeiro caractere de ponto e vírgula apareça. Nessa expressão, os parênteses informam ao regex para capturar o que está dentro deles, `.` significa qualquer caractere, `*` significa zero ou mais, e `?` significa capturar apenas até a primeira instância do caractere `;`.
## Defina métricas usando o SDK do SageMaker AI Python
Defina as métricas para as quais você deseja enviar CloudWatch especificando uma lista de definições de métricas em `AlgorithmSpecification` ao criar um `TrainingJob` uso`sagemaker-core`. Por exemplo, se você quiser monitorar as `validation:error` métricas `train:error` e em CloudWatch, sua `TrainingJob.create()` chamada teria a seguinte aparência:
```
from sagemaker.core.resources import TrainingJob
from sagemaker.core.shapes import (
AlgorithmSpecification,
MetricDefinition,
ResourceConfig,
OutputDataConfig,
StoppingCondition,
)
TrainingJob.create(
training_job_name="{{my-training-job}}",
role_arn="{{arn:aws:iam::123456789012:role/SageMakerRole}}",
algorithm_specification=AlgorithmSpecification(
training_image="{{your-own-image-uri}}",
training_input_mode="File",
metric_definitions=[
MetricDefinition(name="train:error", regex="Train_error=(.*?);"),
MetricDefinition(name="validation:error", regex="Valid_error=(.*?);"),
],
),
resource_config=ResourceConfig(
instance_type="{{ml.c4.xlarge}}",
instance_count={{1}},
volume_size_in_gb={{30}},
),
output_data_config=OutputDataConfig(s3_output_path="{{s3://bucket/output}}"),
stopping_condition=StoppingCondition(max_runtime_in_seconds={{3600}}),
)
```
Para obter mais informações sobre treinamento usando o [ Amazon SageMaker Python SDK ](https://sagemaker.readthedocs.io/en/stable) ModelTrainers, consulte SDK do [ Sagemaker Python em. ](https://github.com/aws/sagemaker-python-sdk#sagemaker-python-sdk-overview) GitHub
## Defina métricas usando o SageMaker AI Console
Se você escolher a ** opção ** Seu próprio contêiner de algoritmo no ECR como sua fonte de algoritmo no console de SageMaker IA ao criar um trabalho de treinamento, adicione as definições de ** métricas na ** seção Métricas. A captura de tela a seguir mostra como ela deve ficar depois de adicionar os nomes das métricas de exemplo e as expressões regulares correspondentes.
## Defina métricas usando a API Low-level SageMaker AI
Defina as métricas para as quais você deseja enviar CloudWatch especificando uma lista de nomes de métricas e expressões regulares no `MetricDefinitions` campo do parâmetro de [`AlgorithmSpecification`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html) entrada que você passa para a [`CreateTrainingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) operação. Por exemplo, se você quiser monitorar as `validation:error` métricas `train:error` e em CloudWatch, você `AlgorithmSpecification` se pareceria com o seguinte exemplo:
```
"AlgorithmSpecification": {
"TrainingImage": {{your-own-image-uri}},
"TrainingInputMode": "File",
"MetricDefinitions" : [
{
"Name": "train:error",
"Regex": "Train_error=(.*?);"
},
{
"Name": "validation:error",
"Regex": "Valid_error=(.*?);"
}
]
}
```
Para obter mais informações sobre como definir e executar um trabalho de treinamento usando a API de SageMaker IA de baixo nível, consulte [`CreateTrainingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html).