下載 SageMaker Debugger 分析報告 - Amazon SageMaker AI

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

下載 SageMaker Debugger 分析報告

在您的訓練任務執行期間或任務完成後，使用 Amazon SageMaker Python SDK 和 AWS Command Line Interface (CLI) 下載 SageMaker Debugger 分析報告。 Amazon SageMaker

注意

若要取得 SageMaker Debugger 所產生的分析報告，您必須使用 SageMaker Debugger 提供的內建 ProfilerReport 規則。若要在訓練工作中啟動規則，請參閱設定內建分析規則。

提示

您還可以隨時在 SageMaker Studio Debugger 詳情儀錶板控制器上按一下，下載報告。不需要任何額外的指令碼，即可下載報告。要瞭解如何從 Studio 下載報告，請參閱開啟 Amazon SageMaker Debugger 深入分析儀表板。

Download using SageMaker Python SDK and AWS CLI

  1. 查看目前工作的預設 S3 輸出基底 URI。

    estimator.output_path

  2. 查看目前的工作名稱。

    estimator.latest_training_job.job_name

  3. Debugger 分析報告儲存名稱為 <default-s3-output-base-uri>/<training-job-name>/rule-output。設定規則輸出路徑，如下所示：

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

  4. 要檢查報告是否已生成，請在 rule_output_path 下使用 aws s3 ls 選定為 --recursive，以遞迴方式列出目錄和文件。

    ! aws s3 ls {rule_output_path} --recursive

    這會傳回文件的完整清單，文件位於一個名為 ProfilerReport-1234567890 的自動生成資料夾內。資料夾名稱是字串的組合：為 ProfilerReport 加上一個獨特的 10 位數標籤，是基於 ProfilerReport 規則起始時的 Unix 時間戳記。

    規則輸出的範例

    profiler-report.html 是由 Debugger 自動產生的分析報告。其他的檔案還有儲存在 JSON 中的內建規則分析元件，以及用來將元件彙總到報表內的 Jupyter 筆記本。

  5. 使用 aws s3 cp 以遞迴方式下載文件。下列指令會將所有規則輸出檔案儲存到目前工作目錄下的 ProfilerReport-1234567890 資料夾中。

    ! aws s3 cp {rule_output_path} ./ --recursive
    提示

    如果使用 Jupyter 筆記本伺服器，請執行 !pwd 再次檢查目前的工作目錄。

  6. 在 /ProfilerReport-1234567890/profiler-output 目錄下，打開 profiler-report.html。如果使用 JupyterLab，請選擇 Trust HTML 查看自動產生的 Debugger 分析報告。

    規則輸出的範例

  7. 開啟 profiler-report.ipynb 檔案以探索報告產生的方式。您還可以使用 Jupyter 筆記本檔案來自訂和擴充分析報告。

Download using Amazon S3 Console

  1. 登入 AWS Management Console ，並在 https://console.aws.amazon.com/s3/：// 開啟 Amazon S3 主控台。

  2. 搜尋基礎 S3 儲存貯體。例如，如果您尚未指定任何基本作業名稱，則基礎 S3 儲存貯體名稱應採用下列格式：sagemaker-<region>-111122223333。透過依名稱搜尋儲存貯體欄位查詢基礎 S3 儲存貯體。

    規則輸出 S3 儲存貯體 URI 的範例

  3. 在基礎 S3 儲存貯體中，在依字首搜尋物件輸入欄位中指定工作名稱的字首，藉以查詢訓練工作名稱。選擇訓練工作名稱。

    S3 儲存貯體 URI 規則輸出的範例

  4. 在訓練工作的 S3 儲存貯體中，Debugger 收集的訓練資料必須有三個子資料夾：debug-output/、profiler-output/ 和 rule-output/。請選擇rule-output/。

    規則輸出 S3 儲存貯體 URI 的範例

  5. 在 rule-output/ 資料夾中，選擇 ProfilerReport-1234567890，然後選擇 profiler-output/ 資料夾。profiler-output/ 資料夾包含 profiler-report.html (以 html 格式自動產生的分析報告)、profiler-report.ipynb (包含用於產生報告之指令碼的 Jupyter 筆記本)，以及一個 profiler-report/ 資料夾 (包含作為報表元件的規則分析 JSON 檔案)。

  6. 選取 profiler-report.html 檔案，選擇 Actions，然後選擇 Download。

    規則輸出 S3 儲存貯體 URI 的範例

  7. 在 Web 瀏覽器中開啟下載的 profiler-report.html 檔案。

注意

如果您在未設定 Debugger 特定參數的情況下開始訓練工作，則 Debugger 只會根據系統監視規則產生報告，因為 Debugger 參數並未被設定以儲存框架度量。若要啟用架構指標分析並接收延伸的 Debugger 分析報告，請在建構或更新 SageMaker AI 估算器時設定 profiler_config 參數。

要瞭解如何配置 profiler_config 參數，請參閱架構分析的估算器組態。

要更新目前訓練工作並啟用框架度量分析，請參閱更新 Debugger 框架分析組態。