Laden Sie den SageMaker Debugger-Profiling-Bericht herunter

Laden Sie den SageMaker Debugger-Profiling-Bericht herunter, während Ihr Trainingsjob läuft oder nachdem der Job mit dem Amazon SageMaker Python SDK und AWS Command Line Interface (CLI) abgeschlossen wurde.

Anmerkung

Um den vom Debugger generierten Profilerstellungsbericht zu erhalten, müssen Sie die vom SageMaker Debugger angebotene integrierte ProfilerReportRegel verwenden. SageMaker Informationen zur Aktivierung der Regel bei Ihrem Trainingsauftrag finden Sie unter Integrierte Profiler-Regeln konfigurieren.

Tipp

Sie können den Bericht auch mit einem einzigen Klick im SageMaker Studio Debugger Insights-Dashboard herunterladen. Dies erfordert kein zusätzliches Scripting, um den Bericht herunterzuladen. Informationen zum Herunterladen des Berichts aus Studio finden Sie unter Öffnen Sie das Amazon SageMaker Debugger Insights-Dashboard.

Download using SageMaker Python SDK and AWS CLI

1. Überprüfen Sie den standardmäßigen S3-Ausgabe-Basis-URI des aktuellen Jobs.

   estimator.output_path

2. Überprüfen Sie den aktuellen Namen des Auftrags.

   estimator.latest_training_job.job_name

3. Der Debugger-Profilerstellungsbericht ist gespeichert unter <default-s3-output-base-uri>/<training-job-name>/rule-output. Konfigurieren Sie den Regelausgabepfad wie folgt:

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

4. Um zu überprüfen, ob der Bericht erstellt wird, listen Sie Verzeichnisse und Dateien rekursiv unter der rule_output_path mit aws s3 ls und der Option --recursive auf.

   ! aws s3 ls {rule_output_path} --recursive

   Dadurch sollte eine vollständige Liste der Dateien in einem automatisch generierten Ordner mit dem Namen ProfilerReport-1234567890 zurückgegeben werden. Der Ordnername ist eine Kombination aus Zeichenfolgen ProfilerReport und einem eindeutigen 10-stelligen Tag, der auf dem Unix-Zeitstempel basiert, zu dem die ProfilerReport Regel initiiert wurde.

   

   Das profiler-report.html ist ein automatisch generierter Profilerstellungsbericht von Debugger. Bei den verbleibenden Dateien handelt es sich um die integrierten Regelanalysekomponenten, die in JSON und einem Jupyter Notebook gespeichert sind und verwendet werden, um sie im Bericht zusammenzufassen.

5. Laden Sie die Dateien rekursiv herunter mit aws s3 cp. Mit dem folgenden Befehl werden alle Regelausgabedateien in dem ProfilerReport-1234567890 Ordner unter dem aktuellen Arbeitsverzeichnis gespeichert.

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

   Tipp

   Wenn Sie einen Jupyter-Notebook-Server verwenden, führen Sie den Befehl !pwd aus, um das aktuelle Arbeitsverzeichnis zu überprüfen.

6. Öffnen Sie unter dem /ProfilerReport-1234567890/profiler-output Verzeichnis profiler-report.html. Wenn Sie dies verwenden JupyterLab, wählen Sie Trust HTML, um den automatisch generierten Debugger-Profiling-Bericht zu sehen.

   

7. Öffnen Sie die profiler-report.ipynb Datei, um zu erfahren, wie der Bericht generiert wird. Sie können den Profilerstellungsbericht auch mithilfe der Jupyter-Notebook-Datei anpassen und erweitern.

Download using Amazon S3 Console

1. Melden Sie sich bei der an AWS Management Console und öffnen Sie die Amazon S3 S3-Konsole unter https://console.aws.amazon.com/s3/.

2. Suchen Sie nach dem S3-Bucket. Wenn Sie beispielsweise keinen Basisauftragsnamen angegeben haben, sollte der Basis-S3-Bucket-Name das folgende Format haben: sagemaker-<region>-111122223333. Suchen Sie im Feld Bucket nach Namen suchen nach dem Basis-S3-Bucket.

   

3. Suchen Sie im Basis-S3-Bucket nach dem Trainingsauftragsnamen, indem Sie Ihr Jobnamen-Präfix in das Eingabefeld Objekte nach Präfix suchen eingeben. Wählen Sie den Trainingsauftragsnamen.

   

4. Im S3-Bucket des Trainingsauftrags müssen drei Unterordner für die vom Debugger gesammelten Trainingsdaten vorhanden sein: debug-output/, profiler-output/ und rule-output/. Wählen Sie rule-output/.

   

5. Wählen Sie im Ordner rule-output/ die Option ProfilerReport-1234567890 und dann den Ordner profiler-output/. Der Ordner profiler-output/ enthält profiler-report.html (den automatisch generierten Profilerstellungsbericht in HTML), profiler-report.ipynb (ein Jupyter Notebook mit Skripten, die zum Generieren des Berichts verwendet werden) und einen Ordner profiler-report/ (enthält JSON-Dateien zur Regelanalyse, die als Komponenten des Berichts verwendet werden).

6. Wählen Sie die Datei profiler-report.html aus, klicken Sie auf Aktionen und dann auf Herunterladen.

   

7. Öffnen Sie die heruntergeladene Datei profiler-report.html in einem Web-Browser.

Anmerkung

Wenn Sie Ihren Trainingsauftrag gestartet haben, ohne die Debugger-spezifischen Parameter zu konfigurieren, generiert Debugger den Bericht nur auf der Grundlage der Systemüberwachungsregeln, da die Debugger-Parameter nicht zum Speichern von Framework-Metriken konfiguriert sind. Um die Profilerstellung von Framework-Metriken zu aktivieren und einen erweiterten Debugger-Profilerstellungsbericht zu erhalten, konfigurieren Sie den Parameter bei der Erstellung oder Aktualisierung von KI-Schätzern. profiler_config SageMaker

Informationen zur Konfiguration des profiler_config Parameters vor Beginn eines Trainingsauftrags finden Sie unter Estimator-Konfiguration für die Framework-Profilerstellung.

Informationen zum Aktualisieren des aktuellen Trainingsauftrags und zum Aktivieren der Profilerstellung für Framework-Metriken finden Sie unter Aktualisieren der Konfiguration der Debugger-Framework-Profilkonfiguration.