Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Scarica il report di profilazione del Debugger SageMaker
Scarica il report di profilazione del SageMaker Debugger mentre il processo di formazione è in esecuzione o al termine del processo utilizzando Amazon [ SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) e (CLI). AWS Command Line Interface
**Nota**
Per ottenere il report di profilazione generato da SageMaker Debugger, devi utilizzare la regola integrata offerta da Debugger. [ProfilerReport](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#profiler-report) SageMaker Per attivare la regola con il tuo processo di addestramento, consulta [Configurazione delle regole integrate del profiler.](https://docs.aws.amazon.com/sagemaker/latest/dg/use-debugger-built-in-profiler-rules.html)
**Suggerimento**
Puoi anche scaricare il rapporto con un solo clic nella dashboard di Studio Debugger Insights. SageMaker Per scaricare il report non è richiesto alcuno script aggiuntivo. Per scoprire come scaricare il report da Studio, consulta [Apri il pannello di controllo di Amazon SageMaker Debugger Insights](debugger-on-studio-insights.md).
------
#### [ Download using SageMaker Python SDK and AWS CLI ]
1. Controlla l'URI di base di output S3 predefinito del processo corrente.
```
estimator.output_path
```
1. Controlla il nome del processo corrente.
```
estimator.latest_training_job.job_name
```
1. Il report di profilazione di Debugger è archiviato in `//rule-output`. Configura il percorso di output della regola come segue:
```
rule_output_path = estimator.output_path + estimator.latest_training_job.job_name + "/rule-output"
```
1. Per verificare se il report viene generato, elenca le directory e i file in modo ricorsivo in `rule_output_path` utilizzando `aws s3 ls` con l'opzione `--recursive`.
```
! aws s3 ls {rule_output_path} --recursive
```
Questo dovrebbe restituire un elenco completo di file in una cartella generata automaticamente denominata `ProfilerReport-1234567890`. Il nome della cartella è una combinazione di stringhe `ProfilerReport` e un tag univoco a 10 cifre basato sul timestamp Unix al momento dell'avvio della regola. ProfilerReport
![\[Esempio di output di regole\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-rule-output-ls-example.png)
Il `profiler-report.html` è un report di profilazione generato automaticamente da Debugger. I file rimanenti sono i componenti integrati di analisi delle regole archiviati in JSON e in un notebook Jupyter che vengono utilizzati per aggregarli nel report.
1. Scarica i file in modo ricorsivo utilizzando `aws s3 cp`. Il comando seguente salva tutti i file di output delle regole nella cartella `ProfilerReport-1234567890` all'interno della directory di lavoro corrente.
```
! aws s3 cp {rule_output_path} ./ --recursive
```
**Suggerimento**
Se utilizzi un server notebook Jupyter, esegui `!pwd` per ricontrollare la directory di lavoro corrente.
1. Sotto la cartella `/ProfilerReport-1234567890/profiler-output`, apri `profiler-report.html`. Se lo utilizzi JupyterLab, scegli **Trust HTML** per visualizzare il rapporto di profilazione del Debugger generato automaticamente.
![\[Esempio di output di regole\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-rule-output-open-html.png)
1. Apri il file `profiler-report.ipynb` per scoprire come viene generato il report. Puoi anche personalizzare ed estendere il report di profilazione utilizzando il file del notebook Jupyter.
------
#### [ Download using Amazon S3 Console ]
1. Accedi Console di gestione AWS e apri la console Amazon S3 all'indirizzo. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)
1. Cerca il bucket S3 di base. Ad esempio, se non hai specificato alcun nome di processo di base, il nome del bucket S3 di base deve avere il seguente formato: `sagemaker--111122223333`. Cerca il bucket S3 di base nel campo *Trova bucket per nome*.
![\[Un esempio dell'URI del bucket S3 di output della regola\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-0.png)
1. Nel bucket S3 di base, cerca il nome del processo di addestramento specificando il prefisso del nome del processo nel campo di immissione *Trova oggetti per prefisso*. Scegli il nome del processo di addestramento.
![\[Un esempio dell'URI del bucket S3 di output della regola\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-1.png)
1. Nel bucket S3 del processo di addestramento, devono esserci tre sottocartelle per i dati di addestramento raccolti da Debugger: **debug-output/**, **profiler-output/**, and **rule-output/**. Scegli **rule-output/**.
![\[Un esempio dell'URI del bucket S3 di output della regola\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-2.png)
1. **Nella cartella **rule-output/**, scegli **ProfilerReport-1234567890** e scegli la cartella profiler-output/.** La cartella **profiler-output/** contiene **profiler-report.html** (il report di profilazione generato automaticamente in html), **profiler-report.ipynb** (un notebook Jupyter con script utilizzati per generare il report) e una cartella **profiler-report/** (contiene file JSON di analisi delle regole utilizzati come componenti del report).
1. Seleziona il file **profiler-report.html**, scegli **Azioni** e **Scarica**.
![\[Un esempio dell'URI del bucket S3 di output della regola\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-3.png)
1. Apri il file **profiler-report.html** scaricato in un browser Web.
------
**Nota**
Se hai iniziato il processo di addestramento senza configurare i parametri specifici di Debugger, Debugger genera il report solo in base alle regole di monitoraggio del sistema, poiché i parametri di Debugger non sono configurati per salvare i parametri del framework. Per abilitare la profilazione delle metriche del framework e ricevere un rapporto esteso sulla profilazione del Debugger, configura il parametro durante la creazione o l'aggiornamento degli estimatori AI. `profiler_config` SageMaker
Per informazioni su come configurare il parametro `profiler_config` prima di iniziare un processo di addestramento, consulta [Configurazione di uno strumento di stima per la profilazione del framework](debugger-configure-framework-profiling.md).
Per aggiornare il processo di addestramento corrente e abilitare la profilazione dei parametri del framework, consulta [Aggiornamento della configurazione di profilazione del framework di Debugger](debugger-update-monitoring-profiling.md).