Amazon SageMaker Debugger-Nutzungsstatistiken - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Amazon SageMaker Debugger-Nutzungsstatistiken

Beachten Sie Folgendes, wenn Sie automatisch generierte Berichte von Amazon SageMaker Debugger verwenden.

Debugger, Profilerstellung, Verwendung von Berichten

Für alle SageMaker Trainingsjobs führt Amazon SageMaker Debugger die ProfilerReport Regel aus und generiert automatisch eine. SageMaker Bericht zur Debugger-Profilerstellung Die ProfilerReport Regel stellt eine Jupyter-Notebook-Datei (profiler-report.ipynb) bereit, die eine entsprechende HTML-Datei (profiler-report.html) generiert.

Der Debugger sammelt Nutzungsstatistiken für Profilerstellungsberichte, indem er Code in das Jupyter Notebook einfügt, der den ARN des Verarbeitungsauftrags der eindeutigen ProfilerReport Regel erfasst, wenn der Benutzer die endgültige profiler-report.html Datei öffnet.

Der Debugger sammelt nur Informationen darüber, ob ein Benutzer den endgültigen HTML-Bericht öffnet. Es sammelt KEINE Informationen aus Trainingsaufträgen, Trainingsdaten, Trainingsskripten, Verarbeitungsaufträgen, Protokollen oder dem Inhalt des Profilerstellungsberichts selbst.

Sie können die Erfassung von Nutzungsstatistiken deaktivieren, indem Sie eine der folgenden Optionen verwenden.

(Empfohlen) Option 1: Abmelden, bevor Sie einen Trainingsauftrag ausführen

Um sich abzumelden, müssen Sie Ihrer Trainingsaufträge-Anfrage die folgende ProfilerReport Debugger-Regelkonfiguration hinzufügen.

SageMaker Python SDK
estimator=sagemaker.estimator.Estimator( ... rules=ProfilerRule.sagemaker( base_config=rule_configs.ProfilerReport() rule_parameters={"opt_out_telemetry": "True"} ) )
AWS CLI
"ProfilerRuleConfigurations": [ { "RuleConfigurationName": "ProfilerReport-1234567890", "RuleEvaluatorImage": "895741380848.dkr.ecr.us-west-2.amazonaws.com/sagemaker-debugger-rules:latest", "RuleParameters": { "rule_to_invoke": "ProfilerReport", "opt_out_telemetry": "True" } } ]
AWS SDK for Python (Boto3)
ProfilerRuleConfigurations=[ { 'RuleConfigurationName': 'ProfilerReport-1234567890', 'RuleEvaluatorImage': '895741380848.dkr.ecr.us-west-2.amazonaws.com/sagemaker-debugger-rules:latest', 'RuleParameters': { 'rule_to_invoke': 'ProfilerReport', 'opt_out_telemetry': 'True' } } ]

Option 2: Abmeldung nach Abschluss eines Trainingsjobs

Um sich nach Abschluss des Trainings abzumelden, müssen Sie die profiler-report.ipynb Datei ändern.

Anmerkung

Automatisch generierte HTML-Berichte, bei denen Option 1 nicht bereits zu Ihrer Trainingsanfrage hinzugefügt wurde, enthalten weiterhin Nutzungsstatistiken, auch wenn Sie sich mit Option 2 abmelden.

  1. Folgen Sie den Anweisungen zum Herunterladen der Debugger-Profilerstellungsberichtsdateien auf der Laden Sie den SageMaker Debugger-Profiling-Bericht herunter Seite.

  2. Öffnen Sie im /ProfilerReport-1234567890/profiler-output Verzeichnis profiler-report.ipynb.

  3. Fügen opt_out=True Sie der setup_profiler_report() Funktion in der fünften Codezelle etwas hinzu, wie im folgenden Beispielcode gezeigt:

    setup_profiler_report(processing_job_arn, opt_out=True)
  4. Führen Sie die Codezelle aus, um das Abmelden abzuschließen.