本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 存取分析資料
<a name="debugger-analyze-data-profiling"></a>

SMDebug `TrainingJob` 類別會從儲存系統和架構指標的 S3 儲存貯體讀取資料。

**設定 `TrainingJob` 物件並擷取訓練工作的效能分析事件檔案**

```
from smdebug.profiler.analysis.notebook_utils.training_job import TrainingJob
tj = TrainingJob(training_job_name, region)
```

**提示**  
您需要指定參數 `training_job_name` 和 `region` 以記錄至訓練工作。有兩種方式可指定訓練任務資訊：  
在估算器仍連接至訓練工作時，請使用 SageMaker Python SDK。  

  ```
  import sagemaker
  training_job_name=estimator.latest_training_job.job_name
  region=sagemaker.Session().boto_region_name
  ```
直接傳遞字串。  

  ```
  training_job_name="your-training-job-name-YYYY-MM-DD-HH-MM-SS-SSS"
  region="us-west-2"
  ```

**注意**  
根據預設值，SageMaker Debugger 會收集系統指標，以監控硬體資源使用率和系統瓶頸。執行下列函式時，您可能會收到有關架構指標無法使用的錯誤訊息。要擷取架構設定檔資料並獲得架構操作的深入分析，您必須啟用架構分析。  
如果您使用 SageMaker Python SDK 來操作訓練工作請求，請將 `framework_profile_params` 傳送至估算器的 `profiler_config` 引數。如需進一步了解，請參閱[設定 SageMaker Debugger 架構分析](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-configure-framework-profiling.html)。
如果您使用 Studio Classic，請使用偵錯工具深入解析儀表板上的**分析**切換按鈕來開啟分析。如需進一步了解，請參閱 [SageMaker Debugger 深入分析儀表板控制器](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-on-studio-insights-controllers.html)。

**擷取訓練任務描述和儲存指標資料的 S3 儲存貯體 URI**

```
tj.describe_training_job()
tj.get_config_and_profiler_s3_output_path()
```

**檢查系統和架構指標是否可從 S3 URI 取得**

```
tj.wait_for_sys_profiling_data_to_be_available()
tj.wait_for_framework_profiling_data_to_be_available()
```

**在指標資料可用之後，建立系統和架構讀取器物件**

```
system_metrics_reader = tj.get_systems_metrics_reader()
framework_metrics_reader = tj.get_framework_metrics_reader()
```

**重新整理和擷取最新的訓練事件檔案**

讀取器物件具有延伸方法 `refresh_event_file_list()`，可擷取最新的訓練事件檔案。

```
system_metrics_reader.refresh_event_file_list()
framework_metrics_reader.refresh_event_file_list()
```