跟踪和比较教程

打开 笔记本

1. 登录到 Studio。

2. 在左侧边栏中，选择 File Browser (文件浏览器) 图标 ( )。

3. 在文件浏览器窗格的顶部，选择 Up arrow (上箭头键) 图标，此时将打开 File Upload (文件上传) 对话框。浏览找到并选择您的本地版本的 mnist-handwritten-digits-classification-experiment.ipynb 和 mnist.py 文件，然后选择 Open (打开)。

4. 这两个文件在文件浏览器中列出。双击上传的笔记本文件可在新选项卡中打开笔记本。

5. 在笔记本的右上角，确保内核是 Python 3 (Data Science) (Python 3 (数据科学))。如果不是，请选择当前内核名称以打开 Select Kernel (选择内核) 下拉列表。选择 Python 3 (Data Science) (Python 3 (数据科学))，然后选择 Select (选择)。

1. 在 Studio 的左侧边栏中，选择SageMaker 组件和注册表图标 ( )。在下拉菜单中，选择实验和试验以在您的账户中显示实验列表。

2. 运行以下单元格。

   mnist_experiment = Experiment.create(
       experiment_name=f"mnist-hand-written-digits-classification-{int(time.time())}",
       description="Classification of mnist hand-written digits", 
       sagemaker_boto_client=sm)
   print(mnist_experiment)

   输出：

   Experiment(sagemaker_boto_client=<botocore.client.SageMaker object at 0x7f7152b326d8>,
              experiment_name='mnist-hand-written-digits-classification-1575947870',
              description='Classification of mnist hand-written digits',
              experiment_arn='arn:aws:sagemaker:us-east-2:acct-id:experiment/mnist-hand-written-digits-classification-1575947870')

   在代码运行后，该实验将在实验列表中包含一个对应的条目。可能需要一段时间才能显示，您可能必须刷新实验列表。您的屏幕应类似于以下内容：

   

3. 运行以下单元格。

   preprocessing_trial_component = tracker.trial_component

   在代码运行后，实验列表将包含一个标为 Unassigned trial components (未分配的试验组件) 的条目。试验组件条目是之前创建的数据预处理步骤。双击试验组件以进行验证。试验组件目前没有与实验相关联。您的屏幕应类似于以下内容：

   

4. 在实验浏览器顶部的导航位置提示中选择 Home 图标。在此处双击实验以显示实验中的试验列表。

5. 以下代码为实验创建试验。每个试验通过对 num_hidden_channel 超参数使用不同的数字来训练模型。将预处理试验组件添加到每个试验来进行完整跟踪（例如，用于审计目的）。该代码还指定了以下指标的定义：

   • 训练损失

   • 测试损失

   • 测试精度

   定义告知 SageMaker 从算法的日志输出中捕获这些指标。这些指标稍后用于评估和比较模型。

   preprocessing_trial_component = tracker.trial_component
   
   for i, num_hidden_channel in enumerate([2, 5, 10, 20, 32]):
       trial_name = f"cnn-training-job-{num_hidden_channel}-hidden-channels-{int(time.time())}"
       cnn_trial = Trial.create(
           trial_name=trial_name,
           experiment_name=mnist_experiment.experiment_name,
           sagemaker_boto_client=sm,
       )
       hidden_channel_trial_name_map[num_hidden_channel] = trial_name
       
       cnn_trial.add_trial_component(preprocessing_trial_component)
       
       estimator = PyTorch(
           py_version='py3',
           framework_version='1.1.0',
           ...,
           hyperparameters={
               'hidden_channels': num_hidden_channel,
               ...
           },
           metric_definitions=[
               {'Name':'train:loss', 'Regex':'Train Loss: (.*?);'},
               {'Name':'test:loss', 'Regex':'Test Average loss: (.*?),'},
               {'Name':'test:accuracy', 'Regex':'Test Accuracy: (.*?)%;'}
           ],
           enable_sagemaker_metrics=True,
       )
       
       cnn_training_job_name = "cnn-training-job-{}".format(int(time.time()))
       
       estimator.fit(
           inputs={'training': inputs}, 
           job_name=cnn_training_job_name,
           experiment_config={
               "TrialName": cnn_trial.trial_name,
               "TrialComponentDisplayName": "Training",
           },
       )

   试验列表会在每个训练作业运行时自动更新。每次显示试验需要花费几分钟时间。您的屏幕应类似于以下内容：

   

查看试验的详细信息

1. 双击其中一个试验以显示与该试验关联的试验组件的列表。每个试验均有一个预处理作业和训练作业。双击其中一个组件以打开一个显示有关每个组件的信息的新选项卡。

2. 在 Trial stages (试验阶段) 下，选择 Preprocessing (预处理)。在 Describe Trial Component (描述试验组件) 菜单上，选择 Parameters (参数) 以显示之前记录的标准化参数。下一步，选择Artifacts以显示存储已转换数据集的 Amazon S3 存储桶的 URI。

3. 在 Trial stages (试验阶段) 下，选择 Training (训练)。在 Describe Trial Component (描述试验组件) 菜单上，选择以下项目以显示有关训练作业试验组件的信息。

   • 指标–test:loss、test:accuracy, 和train:loss

   • 参数— 超参数值和实例信息

   • Artifacts— Amazon S3 存储输入数据集和输出模型

   • Amazon设置— 作业名称、ARN、状态、创建时间、训练时间、计费时间、实例信息等

查看按 test:accuracy 排序的试验列表

1. 选择 TRIAL COMPONENTS (试验组件) 上方的导航位置提示上的试验名称以显示试验列表。

2. 选择所有五个试验。按住 Ctrl/CMD 键并选择每个试验。右键单击所选内容，然后选择 Open in trial component list (在试验组件列表中打开)。这将打开一个新的选项卡，其中会显示每个试验和试验组件。

3. 如果 TABLE PROPERTIES (表属性) 窗格未打开，请选择右上角的 Settings (设置) 图标 ( ) 来将其打开。取消选择除 Trial (试用)、Metrics (指标) 和 Training job (训练作业) 之外的所有内容。选择 Settings (设置) 图标以关闭窗格。

4. 选择 test:accuracy 列标头以通过降低最大测试精度来对列表进行排序。您的屏幕应类似于以下内容：

   

查看 test:loss 与 num_hidden_channel 的图表

1. 在 TRIAL COMPONENTS (试验组件) 窗格中，选择所有五个试验，然后选择 Add chart (添加图表)。在图表区域内进行选择，以打开 CHART PROPERTIES (图表属性) 的首选项窗格。

2. 在 CHART PROPERTIES (图表属性) 中，选择以下内容：

   • Data type (数据类型) - Summary statistics (摘要统计数据)

   • Chart type (图表类型) - Line (线条)

   • X-axis (X 轴) - hidden-channels (隐藏的通道)

   • Y 轴-测试:丢失 _ 最后

   • Color (颜色) - None (无)

   您的屏幕应类似于以下内容：