View a markdown version of this page

Buat SageMaker AI XGBoost ModelTrainer dengan aturan Laporan Debugger XGBoost - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Buat SageMaker AI XGBoost ModelTrainer dengan aturan Laporan Debugger XGBoost

catatan

Amazon SageMaker Debugger tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Debugger, tetapi kami tidak berencana untuk memperkenalkan fitur baru. Untuk informasi selengkapnya, lihat Perubahan ketersediaan debugger.

A CreateXgboostReport turan mengumpulkan tensor keluaran berikut dari pekerjaan pelatihan Anda:

  • hyperparameters— Menyimpan pada langkah pertama.

  • metrics— Menghemat kerugian dan akurasi setiap 5 langkah.

  • feature_importance— Menyimpan setiap 5 langkah.

  • predictions— Menyimpan setiap 5 langkah.

  • labels— Menyimpan setiap 5 langkah.

Tensor keluaran disimpan di bucket S3 default. Misalnya, s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/.

Saat Anda membuat SageMaker AI ModelTrainer untuk pekerjaan pelatihan XGBoost, tentukan aturan seperti yang ditunjukkan dalam kode contoh berikut.

import boto3
import sagemaker
from sagemaker.train import ModelTrainer
from sagemaker import image_uris
from sagemaker.debugger import Rule, rule_configs

rules=[
    Rule.sagemaker(rule_configs.create_xgboost_report())
]

region = boto3.Session().region_name
xgboost_container=sagemaker.image_uris.retrieve("xgboost", region, "1.2-1")

model_trainer=ModelTrainer(
    role=sagemaker.get_execution_role()
    image_uri=xgboost_container,
    base_job_name="debugger-xgboost-report-demo",
    instance_count=1,
    instance_type="ml.m5.2xlarge",
    
    # Add the Debugger XGBoost report rule
    rules=rules
)

model_trainer.train()