View a markdown version of this page

下载调 SageMaker 试器分析报告 - 亚马逊 SageMaker AI

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

下载调 SageMaker 试器分析报告

使用 Amaz SageMaker on Python SDK 和 AWS Command Line Interface (CLI) 在训练作业运行时或任务完成后下载 SageMaker 调试器分析报告。

注意

要获取 SageMaker Debugger 生成的分析报告，必须使用 SageMaker 调试器提供的内置ProfilerReport规则。要在训练作业中激活规则，请参阅配置 Built-in Profiler 规则。

提示

您也可以在 SageMaker Studio Debugger 见解控制面板中单击一下即可下载报告。此操作不需要编写任何额外的脚本即可下载报告。要了解如何从 Studio 下载报告，请参阅打开 Amazon SageMaker 调试器见解控制面板。

Download using SageMaker Python SDK and AWS CLI

  1. 检查当前作业的默认 S3 输出基础 URI。

    estimator.output_path

  2. 检查当前作业名称。

    estimator.latest_training_job.job_name

  3. Debugger 分析报告存储在 <default-s3-output-base-uri>/<training-job-name>/rule-output。如下所示配置规则输出路径：

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

  4. 要检查报告是否已生成，请在 rule_output_path 下，使用 aws s3 ls 以及 --recursive 选项递归列出目录和文件。

    ! aws s3 ls {rule_output_path} --recursive

    这应返回名为 ProfilerReport-1234567890 的自动生成文件夹下的文件完整列表。文件夹名称是字符串的组合：ProfilerReport和一个唯一的 10 位数标签，该标签基于 ProfilerReport 规则启动时的 Unix 时间戳。

    规则输出示例

    profiler-report.html 是 Debugger 自动生成的分析报告。其余文件是存储为 JSON 格式的内置分析组件，以及用于将它们聚合到报告中的 Jupyter 笔记本。

  5. 使用 aws s3 cp 递归下载文件。以下命令将所有规则输出文件保存到 ProfilerReport-1234567890 文件夹下的当前工作目录中。

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

    如果您使用 Jupyter 笔记本服务器，请运行 !pwd 来仔细检查当前的工作目录。

  6. 在 /ProfilerReport-1234567890/profiler-output 目录下，打开 profiler-report.html。如果使用 JupyterLab，请选择 Trust HTML 以查看自动生成的调试器分析报告。

    规则输出示例

  7. 打开 profiler-report.ipynb 文件以浏览报告的生成方式。您还可以使用 Jupyter 笔记本文件自定义和扩展分析报告。

Download using Amazon S3 Console

  1. 登录 AWS 管理控制台 并打开 Amazon S3 控制台，网址为https://console.aws.amazon.com/s3/。

  2. 搜索基本 S3 存储桶。例如，如果您尚未指定任何基本作业名称，则基本 S3 存储桶名称应采用以下格式：sagemaker-<region>-111122223333。通过按名称查找存储桶字段，查找基本 S3 存储桶。

    规则输出 S3 存储桶 URI 示例

  3. 在基本 S3 存储桶中，通过在按前缀查找对象输入字段中指定您的作业名称前缀，来查找训练作业名称。选择训练作业名称。

    规则输出 S3 存储桶 URI 示例

  4. 在训练作业的 S3 存储桶中，对于 Debugger 收集的训练数据，必须要有三个子文件夹：debug-output/、profiler-output/ 和 rule-output/。选择 rule-output/。

    规则输出 S3 存储桶 URI 示例

  5. 在 rule-output/ 文件夹中，选择并选择 ProfilerReport-1234567890profiler-output/ 文件夹。profiler-output/ 文件夹包含 profiler-report.html（自动生成的分析报告，html 格式）、profiler-report.ipynb（Jupyter 笔记本，包含用于生成报告的脚本）以及 profiler-report/ 文件夹（包含规则分析 JSON 文件，用作报告的组件）。

  6. 选择 profiler-report.html 文件，然后依次选择操作和下载。

    规则输出 S3 存储桶 URI 示例

  7. 在 Web 浏览器中打开已下载的 profiler-report.html 文件。

注意

如果您在没有配置 Debugger-specific参数的情况下启动训练作业，则调试器仅根据系统监控规则生成报告，因为调试器参数未配置为保存框架指标。要启用框架指标分析并接收扩展的调试器分析报告，请在构造或更新 SageMaker AI 估计器时配置profiler_config参数。

要了解如何在启动训练作业之前配置 profiler_config 参数，请参阅用于框架剖析的估算器配置。

要更新当前训练作业并启用框架指标分析，请参阅更新 Debugger 框架分析配置。