XGBoost-Schätzer auf SageMaker AI mit Debugger-XGBoost-Berichtsregel erstellen - Amazon SageMaker AI

XGBoost-Schätzer auf SageMaker AI mit Debugger-XGBoost-Berichtsregel erstellen

Die CreateXgboostReport Regel erfasst die folgenden Ausgangstensoren aus Ihrem Trainingsauftrag:

  • hyperparameters – Speichert im ersten Schritt.

  • metrics – Speichert alle 5 Schritte Verlust und Genauigkeit.

  • feature_importance – Speichert alle 5 Schritte.

  • predictions – Speichert alle 5 Schritte.

  • labels – Speichert alle 5 Schritte.

Die Ausgabetensoren werden in einem Standard-S3-Bucket gespeichert. Beispiel, s3://sagemaker-<region>-<12digit_account_id>/<base-job-name>/debug-output/.

Wenn Sie einen SageMaker-AI-Schätzer für einen XGBoost-Trainingsjob erstellen, geben Sie die Regel wie im folgenden Beispielcode dargestellt an.

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)