本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 访问分析数据
<a name="debugger-analyze-data-profiling"></a>

该 SMDebug `TrainingJob`类从保存系统和框架指标的 S3 存储桶中读取数据。

**设置 `TrainingJob` 对象并检索训练作业的分析事件文件**

```
from smdebug.profiler.analysis.notebook_utils.training_job import TrainingJob
tj = TrainingJob(training_job_name, region)
```

**提示**  
您需要指定 `training_job_name` 和 `region` 参数以记录到训练作业。有两种方法可以指定训练作业信息：  
在估计器仍附加到训练作业时使用 SageMaker Python SDK。  

  ```
  import sagemaker
  training_job_name=estimator.latest_training_job.job_name
  region=sagemaker.Session().boto_region_name
  ```
直接传递字符串。  

  ```
  training_job_name="your-training-job-name-YYYY-MM-DD-HH-MM-SS-SSS"
  region="us-west-2"
  ```

**注意**  
默认情况下， SageMaker Debugger 会收集系统指标以监控硬件资源利用率和系统瓶颈。运行以下函数时，您可能会收到有关框架指标不可用的错误消息。要检索框架分析数据并深入了解框架操作，您必须启用框架分析。  
如果您使用 SageMaker Python SDK 来操纵训练任务请求，请`framework_profile_params`将传递给估算器的`profiler_config`参数。要了解更多信息，请参阅[配置 SageMaker 调试器框架分析](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-configure-framework-profiling.html)。
如果您使用 Studio Classic，请使用 Debugger Insights 控制面板中的**分析**切换按钮。要了解更多信息，请参阅[SageMaker 调试器见解仪表板控制器](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-on-studio-insights-controllers.html)。

**检索训练作业的描述和保存指标数据的 S3 存储桶 URI**

```
tj.describe_training_job()
tj.get_config_and_profiler_s3_output_path()
```

**检查 S3 URI 中是否有系统和框架指标可用**

```
tj.wait_for_sys_profiling_data_to_be_available()
tj.wait_for_framework_profiling_data_to_be_available()
```

**在指标数据可用后创建系统和框架阅读器对象**

```
system_metrics_reader = tj.get_systems_metrics_reader()
framework_metrics_reader = tj.get_framework_metrics_reader()
```

**刷新和检索最新的训练事件文件**

阅读器对象具有扩展的方法 `refresh_event_file_list()`，用于检索最新的训练事件文件。

```
system_metrics_reader.refresh_event_file_list()
framework_metrics_reader.refresh_event_file_list()
```