View a markdown version of this page

Download del report di addestramento XGBoost Debugger - Amazon SageMaker AI

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.

Download del report di addestramento XGBoost Debugger

Nota

Amazon SageMaker Debugger non è più aperto a nuovi clienti. I clienti esistenti possono continuare a utilizzare il servizio normalmente. AWS continua a investire in miglioramenti della sicurezza e della disponibilità di Debugger, ma non prevediamo di introdurre nuove funzionalità. Per ulteriori informazioni, consulta Modifica della disponibilità del debugger.

Scarica il report di formazione di Debugger XGBoost mentre il processo di formazione è in esecuzione o al termine del processo utilizzando l'SDK e (CLI) di Amazon SageMaker Python. AWS Command Line Interface

Download using the SageMaker Python SDK and AWS CLI

  1. Controlla l'URI di base di output S3 predefinito del processo corrente.

    model_trainer.output_path

  2. Controlla il nome del lavoro corrente.

    model_trainer.latest_training_job.job_name

  3. Il report di Debugger XGBoost è archiviato in <default-s3-output-base-uri>/<training-job-name>/rule-output. Configura il percorso di output della regola come segue:

    rule_output_path = model_trainer.output_path + "/" + model_trainer.latest_training_job.job_name + "/rule-output"

  4. Per verificare se il report viene generato, elenca le directory e i file in modo ripetuto sotto l'opzione 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 nelle cartelle generate automaticamente denominate CreateXgboostReport e ProfilerReport-1234567890. Il report di addestramento XGBoost viene archiviato in CreateXgboostReport, mentre il report di profilazione viene archiviato nella cartella ProfilerReport-1234567890. Per ulteriori informazioni sul report di profilazione generato in modo predefinito con il processo di addestramento XGBoost, consulta SageMaker Report interattivo del debugger.

    Esempio di output delle regole.

    xgboost_report.html è un report di addestramento XGBoost generato automaticamente da Debugger. xgboost_report.ipynb è un notebook Jupyter che viene utilizzato per aggregare i risultati dell’addestramento nel report. È possibile scaricare tutti i file, sfogliare il file del report HTML e modificare il report utilizzando il notebook.

  5. Scarica i file in modo ripetuto utilizzando aws s3 cp. Il comando seguente salva tutti i file di output delle regole nella cartella ProfilerReport-1234567890 all'interno della directory del lavoro corrente.

    ! aws s3 cp {rule_output_path} ./ --recursive
    Suggerimento

    Se utilizzi un server notebook Jupyter, esegui l'operazione !pwd per verificare la directory di lavoro corrente.

  6. Sotto la directory /CreateXgboostReport, apri xgboost_report.html. Se stai utilizzando JupyterLab, scegli Trust HTML per visualizzare il report di formazione Debugger generato automaticamente.

    Esempio di output delle regole.

  7. Apri il file xgboost_report.ipynb per scoprire come viene generato il report. È possibile personalizzare ed estendere il report di addestramento utilizzando il file del notebook Jupyter.

Download using the Amazon S3 console

  1. Accedi Console di gestione AWS e apri la console Amazon S3 all'indirizzo. https://console.aws.amazon.com/s3/

  2. 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-<region>-111122223333. Ricerca il bucket S3 di base nel campo Trova bucket per nome.

    Il campo Trova bucket per nome nella console Amazon S3.

  3. Nel bucket S3 di base, cerca il nome del processo di addestramento inserendo il prefisso del nome del processo in Trova oggetti per prefisso e quindi scegliendo il nome del processo di addestramento.

    Il campo Trova oggetti per prefisso nella console Amazon S3.

  4. Nel bucket S3 del processo di addestramento, scegli la sottocartella rule-output/. Devono essere presenti tre sottocartelle per i dati di addestramento raccolti da Debugger: debug-output/, profiler-output/ e rule-output/.

    Un esempio all’URI del bucket S3 di output della regola.

  5. Nella cartella rule-output/, scegli la cartella /. CreateXgboostReport La cartella contiene xbgoost_report.html (il report generato automaticamente in html) e xbgoost_report.ipynb (un notebook Jupyter con script utilizzati per generare il report).

  6. Scegli il file xbgoost_report.html, scegli Scarica azioni, quindi scegli Scarica.

    Un esempio dell'URI del bucket S3 di output della regola.

  7. Apri il file xbgoost_report.html scaricato in un browser Web.