Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Scaricate il rapporto di formazione su Debugger XGBoost
<a name="debugger-training-xgboost-report-download"></a>

Scarica il report di XGBoost formazione Debugger mentre il processo di formazione è in esecuzione o al termine del processo utilizzando Amazon [ SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) e (CLI). AWS Command Line Interface 

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

1. Controlla l'URI di base di output S3 predefinito del processo corrente.

   ```
   estimator.output_path
   ```

1. Controlla il nome del processo corrente.

   ```
   estimator.latest_training_job.job_name
   ```

1. Il report Debugger è archiviato in. XGBoost `<default-s3-output-base-uri>/<training-job-name>/rule-output` Configura il percorso di output della regola come segue:

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

1. Per verificare se il report viene generato, elenca le directory e i file in modo ripetuto sotto l'opzione `rule_output_path` utilizzando `aws s3 ls` con l'opzione `--recursive`.

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

   Questo dovrebbe restituire un elenco completo di file nelle cartelle generate automaticamente denominate `CreateXgboostReport` e `ProfilerReport-1234567890`. Il rapporto XGBoost di formazione viene archiviato nella cartella e `CreateXgboostReport` il rapporto di profilazione viene archiviato nella cartella. `ProfilerReport-1234567890` Per ulteriori informazioni sul rapporto di profilazione generato di default con il lavoro di XGBoost formazione, consulta. [SageMaker Report interattivo del debugger](debugger-profiling-report.md)  
![\[Esempio di output delle regole.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-ls.png)

   `xgboost_report.html`Si tratta di un rapporto di XGBoost formazione generato automaticamente da Debugger. `xgboost_report.ipynb` è un notebook Jupyter che viene utilizzato per aggregare i risultati dell’addestramento nel report. È possibile scaricare tutti i file, sfogliare il file del report HTML e modificare il report utilizzando il notebook.

1. Scarica i file in modo ripetuto utilizzando `aws s3 cp`. Il comando seguente salva tutti i file di output delle regole nella cartella `ProfilerReport-1234567890` all'interno della directory del lavoro corrente.

   ```
   ! aws s3 cp {rule_output_path} ./ --recursive
   ```
**Suggerimento**  
Se utilizzi un server notebook Jupyter, esegui l'operazione `!pwd` per verificare la directory di lavoro corrente.

1. Sotto la directory `/CreateXgboostReport`, apri `xgboost_report.html`. Se lo stai utilizzando JupyterLab, scegli **Trust HTML** per visualizzare il rapporto di formazione del Debugger generato automaticamente.  
![\[Esempio di output delle regole.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-open-trust.png)

1. Apri il file `xgboost_report.ipynb` per scoprire come viene generato il report. È possibile personalizzare ed estendere il report di addestramento utilizzando il file del notebook Jupyter.

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

1. Accedi a Console di gestione AWS e apri la console Amazon S3 all'indirizzo. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)

1. Cerca il bucket S3 di base. Ad esempio, se non hai specificato alcun nome di processo di base, il nome del bucket S3 di base deve avere il seguente formato: `sagemaker-<region>-111122223333`. Ricerca il bucket S3 di base nel campo **Trova bucket per nome**.  
![\[Il campo Trova bucket per nome nella console Amazon S3.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-0.png)

1. Nel bucket S3 di base, cerca il nome del processo di addestramento inserendo il prefisso del nome del processo in **Trova oggetti per prefisso** e quindi scegliendo il nome del processo di addestramento.  
![\[Il campo Trova oggetti per prefisso nella console Amazon S3.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-1.png)

1. Nel bucket S3 del processo di addestramento, scegli la sottocartella **rule-output/**. Devono essere presenti tre sottocartelle per i dati di addestramento raccolti da Debugger: **debug-output/**, **profiler-output/** e **rule-output/**.   
![\[Un esempio all’URI del bucket S3 di output della regola.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-report-download-s3console-2.png)

1. **Nella cartella **rule-output/, scegli la cartella/**CreateXgboostReport** La cartella contiene **xbgoost\$1report.html** (il report generato automaticamente in html) e **xbgoost\$1report.ipynb** (un notebook Jupyter con script utilizzati per generare il report).

1. Scegli il file **xbgoost\$1report.html**, scegli **Scarica azioni**, quindi scegli **Scarica**.  
![\[Un esempio dell'URI del bucket S3 di output della regola.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/debugger/debugger-xgboost-report-s3-download.png)

1. Apri il file **xbgoost\$1report.html** scaricato in un browser Web.

------