Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Descarga el informe de formación de Debugger XGBoost
Descargue el informe de XGBoost formación de Debugger mientras se esté ejecutando el trabajo de formación o después de que el trabajo haya terminado con el [SDK y AWS Command Line Interface (CLI) de Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).
------
#### [ Download using the SageMaker Python SDK and AWS CLI ]
1. Compruebe el URI base de salida de S3 predeterminado del trabajo actual.
```
estimator.output_path
```
1. Compruebe el nombre del trabajo actual.
```
estimator.latest_training_job.job_name
```
1. El XGBoost informe del depurador se almacena en. `//rule-output` Configure la ruta de salida de reglas de la siguiente manera:
```
rule_output_path = estimator.output_path + "/" + estimator.latest_training_job.job_name + "/rule-output"
```
1. Para comprobar si el informe se ha generado correctamente, enumere los directorios y archivos de forma recursiva en `rule_output_path` utilizando `aws s3 ls` con la opción `--recursive`.
```
! aws s3 ls {rule_output_path} --recursive
```
Esto debería devolver una lista completa de los archivos de las carpetas generadas automáticamente con el nombre `CreateXgboostReport` y `ProfilerReport-1234567890`. El informe de XGBoost formación se guarda en la carpeta `CreateXgboostReport` y el informe de creación de perfiles se guarda en la `ProfilerReport-1234567890` carpeta. Para obtener más información sobre el informe de creación de perfiles generado de forma predeterminada con el trabajo de XGBoost formación, consulte. [SageMaker Informe interactivo sobre el depurador](debugger-profiling-report.md)
![\[Ejemplo de salida de reglas.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-ls.png)
`xgboost_report.html`Se trata de un informe de XGBoost formación generado automáticamente por Debugger. El `xgboost_report.ipynb` es un cuaderno de Jupyter que se utiliza para agregar los resultados del entrenamiento al informe. Puede descargar todos los archivos, examinar el archivo de informe HTML y modificar el informe con el cuaderno.
1. Descargue los archivos de forma recursiva utilizando `aws s3 cp`. El siguiente comando guarda todos los archivos de salida de las reglas en la carpeta `ProfilerReport-1234567890` del directorio de trabajo actual.
```
! aws s3 cp {rule_output_path} ./ --recursive
```
**sugerencia**
Si utiliza un servidor del cuaderno de Jupyter, ejecute `!pwd` para comprobar el directorio de trabajo actual.
1. En el directorio `/CreateXgboostReport`, abra `xgboost_report.html`. Si lo está utilizando JupyterLab, elija **Trust HTML** para ver el informe de formación de Debugger generado automáticamente.
![\[Ejemplo de salida de reglas.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-open-trust.png)
1. Abra el archivo `xgboost_report.ipynb` para ver cómo se genera el informe. Puede personalizar y ampliar el informe de entrenamiento mediante el archivo de cuaderno de Jupyter.
------
#### [ Download using the Amazon S3 console ]
1. Inicie sesión en la consola de Amazon S3 Consola de administración de AWS y ábrala en [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/).
1. Busque el bucket base de S3. Por ejemplo, si no ha especificado ningún nombre de trabajo base, el nombre del bucket base de S3 debe tener el siguiente formato:`sagemaker--111122223333`. Busque el bucket base de S3 en el campo **Buscar bucket por nombre**.
![\[El campo Buscar bucket por nombre en la consola de Amazon S3.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-0.png)
1. En el bucket base de S3, busque el nombre del trabajo de entrenamiento. Para ello, introduzca el prefijo del nombre del trabajo en **Buscar objetos por prefijo** y, a continuación, seleccione el nombre del trabajo de entrenamiento.
![\[Se muestra el campo Buscar objetos por prefijo en la consola de Amazon S3.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-1.png)
1. En el compartimento S3 del trabajo de entrenamiento, seleccione la subcarpeta **rule-output/**. Debe haber tres subcarpetas para los datos de entrenamiento recopilados por el depurador: **debug-output/**, **profiler-output/** y **rule-output/**.
![\[Ejemplo del URI del bucket de S3 de salida de reglas.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-2.png)
1. **En la carpeta **rule-output/, elija la carpeta/**. CreateXgboostReport** La carpeta contiene **xbgoost\$1report.html** (el informe generado automáticamente en html) y **xbgoost\$1report.ipynb** (un cuaderno de Jupyter con scripts que se utilizan para generar el informe).
1. Seleccione el archivo **xbgoost\$1report.html**, seleccione **Acciones de descarga** y, por último, seleccione **Descargar**.
![\[Ejemplo del URI del bucket de S3 de salida de reglas.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-s3-download.png)
1. Abra el archivo **xbgoost\$1report.html** descargado en un navegador web.
------