Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Unduh laporan pelatihan Debugger XGBoost
<a name="debugger-training-xgboost-report-download"></a>

Unduh laporan XGBoost pelatihan Debugger saat tugas pelatihan Anda berjalan atau setelah pekerjaan selesai menggunakan Amazon [ SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) dan AWS Command Line Interface (CLI).

------
#### [ Download using the SageMaker Python SDK and AWS CLI ]

1. Periksa URI basis output S3 default pekerjaan saat ini.

   ```
   estimator.output_path
   ```

1. Periksa nama pekerjaan saat ini.

   ```
   estimator.latest_training_job.job_name
   ```

1.  XGBoost Laporan Debugger disimpan di bawah. `<default-s3-output-base-uri>/<training-job-name>/rule-output` Konfigurasikan jalur keluaran aturan sebagai berikut:

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

1. Untuk memeriksa apakah laporan dibuat, daftar direktori dan file secara rekursif di bawah `rule_output_path` menggunakan `aws s3 ls` dengan opsi. `--recursive`

   ```
   ! aws s3 ls {rule_output_path} --recursive
   ```

   Ini akan mengembalikan daftar lengkap file di bawah folder yang dibuat otomatis yang diberi nama `CreateXgboostReport` dan`ProfilerReport-1234567890`. Laporan XGBoost pelatihan disimpan di`CreateXgboostReport`, dan laporan pembuatan profil disimpan di `ProfilerReport-1234567890` folder. Untuk mempelajari lebih lanjut tentang laporan pembuatan profil yang dihasilkan secara default dengan pekerjaan XGBoost pelatihan, lihat[SageMaker Laporan interaktif debugger](debugger-profiling-report.md).  
![\[Contoh output aturan.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-ls.png)

   `xgboost_report.html`Ini adalah laporan XGBoost pelatihan yang dibuat secara otomatis oleh Debugger. `xgboost_report.ipynb`Ini adalah notebook Jupyter yang digunakan untuk menggabungkan hasil pelatihan ke dalam laporan. Anda dapat mengunduh semua file, menelusuri file laporan HTML, dan memodifikasi laporan menggunakan buku catatan.

1. Unduh file secara rekursif menggunakan`aws s3 cp`. Perintah berikut menyimpan semua file output aturan ke `ProfilerReport-1234567890` folder di bawah direktori kerja saat ini.

   ```
   ! aws s3 cp {rule_output_path} ./ --recursive
   ```
**Tip**  
Jika Anda menggunakan server notebook Jupyter, jalankan `!pwd` untuk memverifikasi direktori kerja saat ini.

1. Di bawah `/CreateXgboostReport` direktori, buka`xgboost_report.html`. Jika Anda menggunakan JupyterLab, pilih **Trust HTML** untuk melihat laporan pelatihan Debugger yang dibuat secara otomatis.  
![\[Contoh output aturan.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-open-trust.png)

1. Buka `xgboost_report.ipynb` file untuk menjelajahi bagaimana laporan dibuat. Anda dapat menyesuaikan dan memperpanjang laporan pelatihan menggunakan file notebook Jupyter.

------
#### [ Download using the Amazon S3 console ]

1. Masuk ke Konsol Manajemen AWS dan buka konsol Amazon S3 di. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)

1. Cari ember S3 dasar. Misalnya, jika Anda belum menentukan nama pekerjaan dasar apa pun, nama bucket S3 dasar harus dalam format berikut:`sagemaker-<region>-111122223333`. Cari bucket S3 dasar melalui bidang **Find bucket by name**.  
![\[Bidang Temukan ember berdasarkan nama di konsol Amazon S3.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-0.png)

1. Di bucket S3 dasar, cari nama pekerjaan pelatihan dengan memasukkan awalan nama pekerjaan Anda di **Temukan objek dengan awalan** dan kemudian pilih nama pekerjaan pelatihan.  
![\[Bidang Temukan objek berdasarkan awalan di konsol Amazon S3.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-1.png)

1. Di bucket S3 pekerjaan pelatihan, pilih **aturan-output/subfolder**. ****Harus ada tiga subfolder untuk data pelatihan yang dikumpulkan oleh Debugger: **debug-output/, profiler-output/, dan rule-output/**.****   
![\[Contoh untuk output aturan S3 bucket URI.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-2.png)

1. **Di folder **aturan-output/, pilih folder/**. CreateXgboostReport** Folder berisi **xbgoost\$1report.html** (laporan autogenerated dalam html) dan **xbgoost\$1report.ipynb** (notebook Jupyter dengan skrip yang digunakan untuk menghasilkan laporan).

1. Pilih file **xbgoost\$1report.html**, pilih **Download actions**, lalu pilih **Download**.  
![\[Contoh untuk output aturan S3 bucket URI.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-s3-download.png)

1. Buka file **xbgoost\$1report.html** yang diunduh di browser web.

------