Configure o Debugger para o término automatizado do trabalho de treinamento usando o Lambda CloudWatch

As regras do Debugger monitoram o status do trabalho de treinamento, e uma regra de CloudWatch Eventos observa o status da avaliação do trabalho de treinamento da regra do Debugger. As seções a seguir descrevem o processo necessário para automatizar o término do trabalho de treinamento usando o uso e o CloudWatch Lambda.

Etapa 1: criar uma função do Lambda

Criar uma função do Lambda

1. Abra o AWS Lambda console em https://console.aws.amazon.com/lambda/.

2. No painel de navegação, escolha Funções e escolha Criar função.

3. Na página Criar função, escolha a opção Criar do zero.

4. Na seção Informações básicas, insira um nome de função (por exemplo, debugger-rule-stop-training-job).

5. Em Runtime (Tempo de execução), selecione Python 3.7.

6. Em Permissões, expanda a opção suspensa e escolha Alterar função de execução padrão.

7. Em Função de execução, escolha Usar uma função existente e escolha a IAM função que você usa para treinar trabalhos SageMaker.

   nota

   Certifique-se de usar a função de execução com AmazonSageMakerFullAccess e AWSLambdaBasicExecutionRole anexados. Caso contrário, a função do Lambda não reagirá adequadamente às mudanças de status da regra do Debugger do trabalho de treinamento. Se você não tiver certeza de qual função de execução está sendo usada, execute o código a seguir em uma célula do Bloco de anotações Jupyter para recuperar a saída da função de execução:

   import sagemaker
   sagemaker.get_execution_role()

8. Na parte inferior da página, selecione Create function.

A figura a seguir mostra um exemplo da página Criar função com os campos de entrada e as seleções concluídos.

Etapa 2: configurar a função do Lambda

Para configurar a função do Lambda

1. Na seção Código da função da página de configuração, cole o seguinte script Python no painel do editor de código Lambda. A lambda_handler função monitora o status de avaliação da regra do Debugger coletado CloudWatch e aciona a operação. StopTrainingJob API O AWS SDK for Python (Boto3) client for SageMaker fornece um método de alto nível,stop_training_job, que aciona a operação. StopTrainingJob API

   import json
   import boto3
   import logging
   
   logger = logging.getLogger()
   logger.setLevel(logging.INFO)
   
   def lambda_handler(event, context):
       training_job_name = event.get("detail").get("TrainingJobName")
       logging.info(f'Evaluating Debugger rules for training job: {training_job_name}')
       eval_statuses = event.get("detail").get("DebugRuleEvaluationStatuses", None)
   
       if eval_statuses is None or len(eval_statuses) == 0:
           logging.info("Couldn't find any debug rule statuses, skipping...")
           return {
               'statusCode': 200,
               'body': json.dumps('Nothing to do')
           }
   
       # should only attempt stopping jobs with InProgress status
       training_job_status = event.get("detail").get("TrainingJobStatus", None)
       if training_job_status != 'InProgress':
           logging.debug(f"Current Training job status({training_job_status}) is not 'InProgress'. Exiting")
           return {
               'statusCode': 200,
               'body': json.dumps('Nothing to do')
           }
   
       client = boto3.client('sagemaker')
   
       for status in eval_statuses:
           logging.info(status.get("RuleEvaluationStatus") + ', RuleEvaluationStatus=' + str(status))
           if status.get("RuleEvaluationStatus") == "IssuesFound":
               secondary_status = event.get("detail").get("SecondaryStatus", None)
               logging.info(
                   f'About to stop training job, since evaluation of rule configuration {status.get("RuleConfigurationName")} resulted in "IssuesFound". ' +
                   f'\ntraining job "{training_job_name}" status is "{training_job_status}", secondary status is "{secondary_status}"' +
                   f'\nAttempting to stop training job "{training_job_name}"'
               )
               try:
                   client.stop_training_job(
                       TrainingJobName=training_job_name
                   )
               except Exception as e:
                   logging.error(
                       "Encountered error while trying to "
                       "stop training job {}: {}".format(
                           training_job_name, str(e)
                       )
                   )
                   raise e
       return None

   Para obter mais informações sobre a interface do editor de código Lambda, consulte Criação de funções usando o editor do console AWS Lambda.

2. Ignore todas as outras configurações e escolha Salvar na parte superior da página de configuração.

Etapa 3: criar uma regra de CloudWatch eventos e vincular à função Lambda para o Debugger

Para criar uma regra de CloudWatch eventos e vincular à função Lambda para o Debugger

1. Abra o CloudWatch console em https://console.aws.amazon.com/cloudwatch/.

2. No painel de navegação esquerdo, escolha Regras no nó Eventos.

3. Escolha Criar Regra.

4. Na seção Origem do evento da página Etapa 1: Criar regra, escolha SageMakerNome do serviço e escolha SageMakerTraining Job State Change para Tipo de evento. A visualização do padrão de eventos deve ter a aparência das seguintes JSON sequências de caracteres de exemplo:

   {
       "source": [
           "aws.sagemaker"
       ],
       "detail-type": [
           "SageMaker Training Job State Change"
       ]
   }

5. Na seção Targets, escolha Add target* e escolha a função debugger-rule-stop-training-job Lambda que você criou. Essa etapa vincula a regra de CloudWatch Eventos à função Lambda.

6. Escolha Configurar detalhes e vá para a página Etapa 2: configurar detalhes da regra.

7. Especifique o nome da definição da CloudWatch regra. Por exemplo, debugger-cw-event-rule.

8. Escolha Criar regra para concluir.

9. Volte para a página de configuração da função do Lambda e atualize a página. Confirme se está configurado corretamente no painel Designer. A regra de CloudWatch eventos deve ser registrada como um gatilho para a função Lambda. O design da configuração deve ser semelhante ao exemplo a seguir: