使用 Debugger XGBoost 報告規則建構 SageMaker AI XGBoost 估算器 XGBoost - Amazon SageMaker AI

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。

使用 Debugger XGBoost 報告規則建構 SageMaker AI XGBoost 估算器 XGBoost

CreateXgboostReport 規則會從訓練任務收集下列輸出張量：

  • hyperparameters – 在第一個步驟進行儲存。

  • metrics – 每 5 個步驟儲存損失和準確性。

  • feature_importance – 每 5 個步驟進行儲存。

  • predictions – 每 5 個步驟進行儲存。

  • labels – 每 5 個步驟進行儲存。

輸出張量會儲存在預設的 S3 儲存貯體。例如：s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/。

當您為 XGBoost 訓練任務建構 SageMaker AI 估算器時，請指定規則，如下列範例程式碼所示。

Using the SageMaker AI generic estimator
import boto3
import sagemaker
from sagemaker.estimator import Estimator
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")

estimator=Estimator(
    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
)

estimator.fit(wait=False)