기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Debugger XGBoost 훈련 보고서를 다운로드하세요.
훈련 작업이 실행 중이거나 작업이 완료된 후에 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) 및 AWS Command Line Interface (CLI)을(를) 사용하여 Debugger XGBoost 훈련 보고서를 다운로드하세요.
------
#### [ Download using the SageMaker Python SDK and AWS CLI ]
1. 현재 작업의 기본 S3 출력 기본 URI를 확인하세요.
```
estimator.output_path
```
1. 현재 작업 이름을 확인하세요.
```
estimator.latest_training_job.job_name
```
1. Debugger XGBoost 보고서는 `//rule-output`에 저장됩니다. 규칙 출력 경로를 다음과 같이 구성하세요.
```
rule_output_path = estimator.output_path + "/" + estimator.latest_training_job.job_name + "/rule-output"
```
1. 보고서가 생성되었는지 확인하려면 `--recursive` 옵션으로 `aws s3 ls`을(를) 사용하여 `rule_output_path` 하위에 디렉터리 및 파일을 반복적으로 나열하세요.
```
! aws s3 ls {rule_output_path} --recursive
```
그러면 이름이 `CreateXgboostReport` 및 `ProfilerReport-1234567890`인 자동 생성 폴더들 하위에 파일의 전체 목록이 반환됩니다. XGBoost 훈련 보고서는 `CreateXgboostReport`에 저장되고 프로파일링 보고서는 `ProfilerReport-1234567890` 폴더에 저장됩니다. XGBoost 훈련 작업에서 기본적으로 생성되는 프로파일링 보고서에 대한 자세한 내용은 [SageMaker Debugger 대화형 보고서](debugger-profiling-report.md)을(를) 참조하세요.
`xgboost_report.html`은(는) Debugger에서 자동 생성되는 XGBoost 훈련 보고서입니다. `xgboost_report.ipynb`은(는) 훈련 결과를 보고서로 집계하는 데 사용되는 Jupyter notebook입니다. 이 노트북을 사용하면 모든 파일을 다운로드하고, HTML 보고서 파일을 찾아보고, 보고서를 수정할 수 있습니다.
1. `aws s3 cp`을(를) 사용하여 파일을 반복적으로 다운로드하세요. 다음 명령은 모든 규칙 출력 파일을 현재 작업 디렉터리 하위의 `ProfilerReport-1234567890` 폴더에 저장합니다.
```
! aws s3 cp {rule_output_path} {{./}} --recursive
```
**작은 정보**
Jupyter notebook 서버를 사용하려는 경우 `!pwd`을(를) 실행하여 현재 작업 디렉터리를 확인하세요.
1. `/CreateXgboostReport` 디렉터리 하위에서 `xgboost_report.html`을(를) 여세요. JupyterLab을 사용하려는 경우, 자동 생성된 Debugger 훈련 보고서를 보려면 **HTML 신뢰**를 선택하세요.
1. `xgboost_report.ipynb` 파일을 열어 보고서 생성 방법을 확인하세요. Jupyter notebook 파일을 사용하여 훈련 보고서를 사용자 지정하고 확장할 수 있습니다.
------
#### [ Download using the Amazon S3 console ]
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/) Amazon S3 콘솔을 엽니다.
1. 기본 S3 버킷을 검색합니다. 예를 들어 기본 작업 이름을 지정하지 않은 경우 기본 S3 버킷 이름은 `sagemaker-{{}}-111122223333` 형식이어야 합니다. **이름으로 버킷 찾기** 필드를 통해 기본 S3 버킷을 조회하세요.
1. 기본 S3 버킷에서 **접두사로 객체 찾기**에 작업 이름 접두사를 입력한 다음, 훈련 작업 이름을 선택하여 훈련 작업 이름을 조회하세요.
1. 훈련 작업의 S3 버킷에서 **rule-output/** 하위 폴더를 선택하세요. Debugger에서 수집되는 훈련 데이터의 하위 폴더는 **debug-output/**, **profiler-output/**, **rule-output/** 3개여야 합니다.
1. **rule-output/** 폴더에서 **CreateXgboostReport/** 폴더를 선택하세요. 이 폴더에는 **xbgoost\_report.html**(html 형식으로 자동 생성되는 보고서) 및 **xbgoost\_report.ipynb**(보고서 생성에 사용될 스크립트가 포함된 Jupyter notebook)가 들어 있습니다.
1. **xbgoost\_report.html** 파일을 선택하고 **작업 다운로드**를 선택한 다음 **다운로드**를 선택하세요.
1. 다운로드한 **xbgoost\_report.html** 파일을 웹 브라우저로 여세요.
------