本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 下载调 SageMaker 试器分析报告
使用 [Amaz SageMaker on Python SDK](https://sagemaker.readthedocs.io/en/stable) 和 Amazon Command Line Interface (CLI) 在训练作业运行时或任务完成后下载 SageMaker 调试器分析报告。
**注意**
要获取 SageMaker Debugger 生成的分析报告，必须使用 Deb SageMaker ugger 提供的内置[ProfilerReport](https://docs.amazonaws.cn/sagemaker/latest/dg/debugger-built-in-rules.html#profiler-report)规则。要在训练作业中激活规则，请参阅[配置内置探查器规则](https://docs.amazonaws.cn/sagemaker/latest/dg/use-debugger-built-in-profiler-rules.html)。
**提示**
您也可以在 SageMaker Studio Debugger 见解控制面板中单击一下即可下载报告。此操作不需要编写任何额外的脚本即可下载报告。要了解如何从 Studio 下载报告，请参阅[打开 Amazon SageMaker 调试器见解控制面板](debugger-on-studio-insights.md)。
------
#### [ Download using SageMaker Python SDK and Amazon CLI ]
1. 检查当前作业的默认 S3 输出基础 URI。
```
estimator.output_path
```
1. 检查当前作业名称。
```
estimator.latest_training_job.job_name
```
1. Debugger 分析报告存储在 `//rule-output`。如下所示配置规则输出路径：
```
rule_output_path = estimator.output_path + estimator.latest_training_job.job_name + "/rule-output"
```
1. 要检查报告是否已生成，请在 `rule_output_path` 下，使用 `aws s3 ls` 以及 `--recursive` 选项递归列出目录和文件。
```
! aws s3 ls {rule_output_path} --recursive
```
这应返回名为 `ProfilerReport-1234567890` 的自动生成文件夹下的文件完整列表。文件夹名称是字符串的组合：`ProfilerReport`和一个唯一的 10 位数标签，该标签基于 ProfilerReport 规则启动时的 Unix 时间戳。
`profiler-report.html` 是 Debugger 自动生成的分析报告。其余文件是存储为 JSON 格式的内置分析组件，以及用于将它们聚合到报告中的 Jupyter 笔记本。
1. 使用 `aws s3 cp` 递归下载文件。以下命令将所有规则输出文件保存到 `ProfilerReport-1234567890` 文件夹下的当前工作目录中。
```
! aws s3 cp {rule_output_path} {{./}} --recursive
```
**提示**
如果您使用 Jupyter 笔记本服务器，请运行 `!pwd` 来仔细检查当前的工作目录。
1. 在 `/ProfilerReport-1234567890/profiler-output` 目录下，打开 `profiler-report.html`。如果使用 JupyterLab，请选择 **Trust HTML** 以查看自动生成的调试器分析报告。
1. 打开 `profiler-report.ipynb` 文件以浏览报告的生成方式。您还可以使用 Jupyter 笔记本文件自定义和扩展分析报告。
------
#### [ Download using Amazon S3 Console ]
1. 登录 Amazon Web Services 管理控制台 并打开 Amazon S3 控制台，网址为[https://console.aws.amazon.com/s3/](https://console.amazonaws.cn/s3/)。
1. 搜索基本 S3 存储桶。例如，如果您尚未指定任何基本作业名称，则基本 S3 存储桶名称应采用以下格式：`sagemaker--111122223333`。通过*按名称查找存储桶*字段，查找基本 S3 存储桶。
1. 在基本 S3 存储桶中，通过在*按前缀查找对象*输入字段中指定您的作业名称前缀，来查找训练作业名称。选择训练作业名称。
1. 在训练作业的 S3 存储桶中，对于 Debugger 收集的训练数据，必须要有三个子文件夹：**debug-output/**、**profiler-output/** 和 **rule-output/**。选择 **rule-output/**。
1. **在 **rule-output/ 文件夹中，选择-ProfilerReport** **1234567890，然后选择 profiler-** output/ 文件夹。****profiler-output/** 文件夹包含 **profiler-report.html**（自动生成的分析报告，html 格式）、**profiler-report.ipynb**（Jupyter 笔记本，包含用于生成报告的脚本）以及 **profiler-report/** 文件夹（包含规则分析 JSON 文件，用作报告的组件）。
1. 选择 **profiler-report.html** 文件，然后依次选择**操作**和**下载**。
1. 在 Web 浏览器中打开已下载的 **profiler-report.html** 文件。
------
**注意**
如果您在没有配置特定于 Debugger 参数的情况下启动训练作业，则 Debugger 仅根据系统监控规则生成报告，因为 Debugger 参数未配置为保存框架指标。要启用框架指标分析并接收扩展的调试器分析报告，请在构造或更新 SageMaker AI 估计器时配置`profiler_config`参数。
要了解如何在启动训练作业之前配置 `profiler_config` 参数，请参阅[用于框架剖析的估算器配置](debugger-configure-framework-profiling.md)。
要更新当前训练作业并启用框架指标分析，请参阅[更新 Debugger 框架分析配置](debugger-update-monitoring-profiling.md)。