As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Configure o Debugger para treinamento automatizado, encerramento de tarefas usando um Lambda CloudWatch
**nota**
O Amazon SageMaker Debugger não está mais aberto a novos clientes. Os clientes existentes podem continuar usando o serviço normalmente. AWS continua investindo em melhorias de segurança e disponibilidade para o Debugger, mas não planejamos introduzir novos recursos. Para obter mais informações, consulte [Alteração na disponibilidade do depurador](debugger-availability-change.md).
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 encerramento de tarefas de treinamento usando CloudWatch o Lambda.
**Topics**
+ [Etapa 1: criar uma função do Lambda](#debugger-lambda-function-create)
+ [Etapa 2: configurar a função do Lambda](#debugger-lambda-function-configure)
+ [Etapa 3: criar uma regra de CloudWatch eventos e vincular à função Lambda para o Debugger](#debugger-cloudwatch-events)
## 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/](https://console.aws.amazon.com/lambda/).
1. No painel de navegação à esquerda, selecione **Funções** e selecione **Criar função**.
1. Na página **Criar função**, escolha a opção **Criar do zero**.
1. Na seção **Informações básicas**, insira um **nome de função** (por exemplo, **debugger-rule-stop-training-job**).
1. Em **Runtime**, selecione **Python 3.7**.
1. Em **Permissões**, expanda a opção suspensa e escolha **Alterar função de execução padrão**.
1. **Em ** Função de execução, escolha ** Usar uma função existente ** e escolha a função do IAM que você usa para trabalhos de treinamento em SageMaker IA.
**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 Caderno Jupyter para recuperar a saída da função de execução:
```
import sagemaker
from sagemaker.core.helper.session_helper import get_execution_role
get_execution_role()
```
1. 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 da API. `StopTrainingJob` O AWS SDK para Python (Boto3) `client` for SageMaker AI fornece um método de alto nível`stop_training_job`, que aciona a operação da `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 de console AWS Lambda. ](https://docs.aws.amazon.com/lambda/latest/dg/code-editor.html)
1. 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/](https://console.aws.amazon.com/cloudwatch/).
1. No painel de navegação à esquerda, selecione **Regras** sob o nó **Eventos**.
1. Escolha **Criar regra**.
1. Na ** seção Origem do ** evento da ** página ** Etapa 1: Criar regra, escolha ** SageMaker AI ** for ** Service Name ** e escolha ** SageMaker AI Training Job State Change ** para o tipo de ** evento**. A visualização do padrão de evento deve ser semelhante aos seguintes exemplos de strings JSON:
```
{
"source": [
"aws.sagemaker"
],
"detail-type": [
"SageMaker Training Job State Change"
]
}
```
1. Na seção **Destinos**, escolha **Adicionar destino\*** e escolha a função do Lambda **debugger-rule-stop-training-job** que você criou. Essa etapa vincula a regra de CloudWatch eventos à função Lambda.
1. Escolha **Configurar detalhes** e vá para a página **Etapa 2: configurar detalhes da regra**.
1. Especifique o nome da definição da CloudWatch regra. Por exemplo, **debugger-cw-event-rule**.
1. Escolha **Criar regra** para concluir.
1. 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 seguinte exemplo:
