为规则使用 Debugger 内置操作

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。

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。

使用 Debugger 内置操作来响应 Debugger 规则 发现的问题。Debugger rule_configs 类提供了工具来配置操作列表，包括自动停止训练作业，以及在 Debugger 规则发现训练问题时使用 Amazon Simple Notification Service (Amazon SNS) 发送通知。以下主题将介绍完成这些任务的步骤。

设置 Amazon SNS，创建 SMDebugRules 主题，并订阅该主题

此部分将向您介绍如何设置 Amazon SNS SMDebugRules 主题、订阅该主题以及如何确认订阅，以便接收来自 Debugger 规则的通知。

订阅 SMDebug规则主题

订阅SMDebug规则主题后，您将通过电子邮件或电话收到以下确认消息：

有关 Amazon SNS 的更多信息，请参阅《Amazon SNS 开发人员指南》中的移动文本消息 (SMS)和电子邮件通知。

设置 IAM 角色以附加所需策略

在此步骤中，您将所需的策略添加到 IAM 角色中。

有关为 Amazon SNS 设置 IAM 策略的更多示例，请参阅 Amazon SNS 访问控制示例。

使用内置操作配置 Debugger 规则

在上述步骤中成功完成所需的设置后，您可以针对调试规则配置 Debugger 内置操作，如以下示例脚本所示。您可以选择在构建 actions 列表对象时使用哪些内置操作。rule_configs 是一个帮助程序模块，提供了用于配置 Debugger 内置规则和操作的高级工具。以下内置操作可用于 Debugger：

您可以使用获取内置操作并配置操作列表的 rule_configs.ActionList() 方法进行包装，以此来使用内置操作或操作的子集。

将所有三个内置操作添加到单个规则

如果要将所有三个内置操作分配给单个规则，请在构造估算器时配置 Debugger 内置操作列表。使用以下模板来构造估算器，Debugger 将根据您用于监控训练作业进度的任意规则停止训练作业，并通过电子邮件和文本发送通知。

from sagemaker.debugger import Rule, rule_configs

# Configure an action list object for Debugger rules
actions = rule_configs.ActionList(
    rule_configs.StopTraining(), 
    rule_configs.Email("abc@abc.com"), 
    rule_configs.SMS("+1234567890")
)

# Configure rules for debugging with the actions parameter
rules = [
    Rule.sagemaker(
        base_config=rule_configs.built_in_rule(),         # Required
        rule_parameters={"paramter_key": value },        # Optional
        actions=actions
    )
]

estimator = Estimator(
    ...
    rules = rules
)

estimator.fit(wait=False)

创建多个内置操作对象以将不同的操作分配给单个规则

如果您要指定根据单个规则的不同阈值来触发内置操作，则可以创建多个内置操作对象，如以下脚本所示。要在运行相同的规则时避免冲突错误，您必须提交不同的规则作业名称（为规则的 name 属性指定不同的字符串），如以下示例脚本模板所示。此示例说明了如何设置 StalledTrainingRule 来采取两种不同的操作：当训练作业停顿 60 秒时发送电子邮件至 abc@abc.com，如果停顿 120 秒则停止训练作业。

from sagemaker.debugger import Rule, rule_configs
import time

base_job_name_prefix= 'smdebug-stalled-demo-' + str(int(time.time()))

# Configure an action object for StopTraining
action_stop_training = rule_configs.ActionList(
    rule_configs.StopTraining()
)

# Configure an action object for Email
action_email = rule_configs.ActionList(
    rule_configs.Email("abc@abc.com")
)

# Configure a rule with the Email built-in action to trigger if a training job stalls for 60 seconds
stalled_training_job_rule_email = Rule.sagemaker(
        base_config=rule_configs.stalled_training_rule(),
        rule_parameters={
                "threshold": "60", 
                "training_job_name_prefix": base_job_name_prefix
        },
        actions=action_email
)
stalled_training_job_rule_text.name="StalledTrainingJobRuleEmail"

# Configure a rule with the StopTraining built-in action to trigger if a training job stalls for 120 seconds
stalled_training_job_rule = Rule.sagemaker(
        base_config=rule_configs.stalled_training_rule(),
        rule_parameters={
                "threshold": "120", 
                "training_job_name_prefix": base_job_name_prefix
        },
        actions=action_stop_training
)
stalled_training_job_rule.name="StalledTrainingJobRuleStopTraining"

estimator = Estimator(
    ...
    rules = [stalled_training_job_rule_email, stalled_training_job_rule]
)

estimator.fit(wait=False)

在训练作业运行时，只要规则发现训练作业中存在问题，Debugger 内置操作就会发送通知电子邮件和文本消息。以下屏幕截图显示了在出现训练作业停顿问题时，训练作业的电子邮件通知示例。

以下屏幕截图显示了调试器在规则发现 StalledTraining 问题时发送的示例文本通知。

使用 Debugger 内置操作的注意事项