Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Unduh laporan pembuatan profil SageMaker Debugger
Unduh laporan pembuatan profil SageMaker Debugger saat tugas pelatihan Anda berjalan atau setelah pekerjaan selesai menggunakan Amazon [ SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) dan (CLI). AWS Command Line Interface
**catatan**
Untuk mendapatkan laporan profiling yang dihasilkan oleh SageMaker Debugger, Anda harus menggunakan [ProfilerReport](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#profiler-report)aturan bawaan yang ditawarkan oleh Debugger. SageMaker Untuk mengaktifkan aturan dengan tugas latihan Anda, lihat [Mengonfigurasi Aturan Built-in Profiler](https://docs.aws.amazon.com/sagemaker/latest/dg/use-debugger-built-in-profiler-rules.html).
**Tip**
Anda juga dapat mengunduh laporan dengan satu klik di dasbor wawasan SageMaker Studio Debugger. Ini tidak memerlukan skrip tambahan untuk mengunduh laporan. Untuk mengetahui cara mengunduh laporan dari Studio, lihat[Buka dasbor Amazon SageMaker Debugger Insights](debugger-on-studio-insights.md).
------
#### [ Download using SageMaker Python SDK and AWS CLI ]
1. Periksa URI basis output S3 default pekerjaan saat ini.
```
estimator.output_path
```
1. Periksa nama pekerjaan saat ini.
```
estimator.latest_training_job.job_name
```
1. Laporan pembuatan profil Debugger disimpan di bawah. `//rule-output` Konfigurasikan jalur keluaran aturan sebagai berikut:
```
rule_output_path = estimator.output_path + estimator.latest_training_job.job_name + "/rule-output"
```
1. Untuk memeriksa apakah laporan dibuat, daftar direktori dan file secara rekursif di bawah `rule_output_path` menggunakan `aws s3 ls` dengan opsi. `--recursive`
```
! aws s3 ls {rule_output_path} --recursive
```
Ini akan mengembalikan daftar lengkap file di bawah folder yang dibuat otomatis yang dinamai sebagai`ProfilerReport-1234567890`. Nama folder adalah kombinasi string: `ProfilerReport` dan tag 10 digit unik berdasarkan stempel waktu Unix saat aturan dimulai. ProfilerReport
`profiler-report.html`Ini adalah laporan profil yang dibuat secara otomatis oleh Debugger. File yang tersisa adalah komponen analisis aturan bawaan yang disimpan di JSON dan notebook Jupyter yang digunakan untuk menggabungkannya ke dalam laporan.
1. Unduh file secara rekursif menggunakan`aws s3 cp`. Perintah berikut menyimpan semua file output aturan ke `ProfilerReport-1234567890` folder di bawah direktori kerja saat ini.
```
! aws s3 cp {rule_output_path} {{./}} --recursive
```
**Tip**
Jika menggunakan server notebook Jupyter, jalankan `!pwd` untuk memeriksa ulang direktori kerja saat ini.
1. Di bawah `/ProfilerReport-1234567890/profiler-output` direktori, buka`profiler-report.html`. Jika menggunakan JupyterLab, pilih **Trust HTML** untuk melihat laporan pembuatan profil Debugger yang dibuat secara otomatis.
1. Buka `profiler-report.ipynb` file untuk menjelajahi bagaimana laporan dibuat. Anda juga dapat menyesuaikan dan memperluas laporan pembuatan profil menggunakan file notebook Jupyter.
------
#### [ Download using Amazon S3 Console ]
1. Masuk ke Konsol Manajemen AWS dan buka konsol Amazon S3 di. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)
1. Cari ember S3 dasar. Misalnya, jika Anda belum menentukan nama pekerjaan dasar apa pun, nama bucket S3 dasar harus dalam format berikut:`sagemaker--111122223333`. Cari bucket S3 dasar melalui bidang *Find bucket by name*.
1. Di bucket S3 dasar, cari nama pekerjaan pelatihan dengan menentukan awalan nama pekerjaan Anda ke dalam kolom Input *Find objects by prefix*. Pilih nama pekerjaan pelatihan.
1. ****Dalam bucket S3 pekerjaan pelatihan, harus ada tiga subfolder untuk data pelatihan yang dikumpulkan oleh Debugger: **debug-output/, profiler-output/, dan rule-output/**.**** Pilih **aturan-output/**.
1. **Di folder **aturan-output/**, pilih, dan pilih **ProfilerReport-1234567890**folder profiler-output/.** Folder **profiler-output/** berisi **profiler-report.html** (laporan profil yang dibuat secara otomatis dalam html), **profiler-report.ipynb** (buku catatan Jupyter dengan skrip yang digunakan untuk membuat laporan), dan folder **profiler-report/** (berisi file JSON analisis aturan yang digunakan sebagai komponen laporan).
1. Pilih file **profiler-report.html**, pilih **Actions**, dan **Download**.
1. Buka file **profiler-report.html** yang diunduh di browser web.
------
**catatan**
Jika Anda memulai tugas pelatihan tanpa mengonfigurasi Debugger-specific parameter, Debugger akan menghasilkan laporan hanya berdasarkan aturan pemantauan sistem karena parameter Debugger tidak dikonfigurasi untuk menyimpan metrik kerangka kerja. Untuk mengaktifkan profil metrik kerangka kerja dan menerima laporan profil Debugger yang diperluas, konfigurasikan `profiler_config` parameter saat membuat atau memperbarui estimator AI. SageMaker
Untuk mempelajari cara mengkonfigurasi `profiler_config` parameter sebelum memulai pekerjaan pelatihan, lihat[Konfigurasi estimator untuk pembuatan profil kerangka kerja](debugger-configure-framework-profiling.md).
Untuk memperbarui tugas pelatihan saat ini dan mengaktifkan profil metrik kerangka kerja, lihat [Memperbarui Konfigurasi Profil Kerangka Debugger](debugger-update-monitoring-profiling.md).