Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Richten Sie den Debugger für die automatische Beendigung von Trainingsaufträgen mithilfe von CloudWatch Lambda ein
**Anmerkung**
Amazon SageMaker Debugger steht neuen Kunden nicht mehr offen. Bestehende Kunden können den Service weiterhin wie gewohnt nutzen. AWS investiert weiterhin in Sicherheits- und Verfügbarkeitsverbesserungen für Debugger, aber wir planen nicht, neue Funktionen einzuführen. Weitere Informationen finden Sie unter [Änderung der Debugger-Verfügbarkeit](debugger-availability-change.md).
Die Debugger-Regeln überwachen den Status des Trainingsauftrags, und eine CloudWatch Event-Regel überwacht den Evaluierungsstatus des Debugger-Regel-Trainingsjobs. In den folgenden Abschnitten wird der Prozess beschrieben, der zur Automatisierung der Beendigung von Trainingsaufträgen mithilfe CloudWatch von Lambda erforderlich ist.
**Topics**
+ [Schritt 1: Erstellen einer Lambda-Funktion](#debugger-lambda-function-create)
+ [Schritt 2: Konfigurieren der Lambda-Funktion](#debugger-lambda-function-configure)
+ [Schritt 3: Erstellen Sie eine CloudWatch Ereignisregel und verknüpfen Sie sie mit der Lambda-Funktion für den Debugger](#debugger-cloudwatch-events)
## Schritt 1: Erstellen einer Lambda-Funktion
**So erstellen Sie eine Lambda-Funktion**
1. Öffnen Sie die AWS Lambda Konsole unter. [ https://console.aws.amazon.com/lambda/ ](https://console.aws.amazon.com/lambda/)
1. Wählen Sie im linken Navigationsbereich **Funktionen** und dann **Funktion anlegen**.
1. Wählen Sie auf der Seite **Funktion erstellen** die Option **Autor von Grund auf neu**.
1. Geben Sie im Abschnitt **Grundinformationen** einen **Funktionsnamen** ein **(z. B. debugger-rule-stop-training-job).**
1. Wählen Sie für **Runtime (Laufzeit)** die Option **Python 3.7** aus.
1. Erweitern Sie für **Berechtigungen** die Dropdownoption und wählen Sie **Standardausführungsrolle ändern aus.**
1. Wählen Sie als ** Ausführungsrolle ** die Option Eine vorhandene Rolle ** verwenden ** und wählen Sie die IAM-Rolle aus, die Sie für SageMaker KI-Schulungsjobs verwenden.
**Anmerkung**
Stellen Sie sicher, dass Sie die Ausführungsrolle zusammen mit `AmazonSageMakerFullAccess` und `AWSLambdaBasicExecutionRole` angehängt verwenden. Andernfalls reagiert die Lambda-Funktion nicht richtig auf die Statusänderungen der Debugger-Regel des Trainingsjobs. Wenn Sie sich nicht sicher sind, welche Ausführungsrolle verwendet wird, führen Sie den folgenden Code in einer Jupyter-Notebook-Zelle aus, um die Ausgabe der Ausführungsrolle abzurufen:
```
import sagemaker
from sagemaker.core.helper.session_helper import get_execution_role
get_execution_role()
```
1. Klicken Sie unten auf der Seite auf **Create function**.
Die folgende Abbildung zeigt ein Beispiel für die Seite **Funktion erstellen**, auf der die Eingabefelder und Auswahlen abgeschlossen sind.
## Schritt 2: Konfigurieren der Lambda-Funktion
**Um die Lambda-Funktion zu konfigurieren**
1. Fügen Sie im Abschnitt **Funktionscode** der Konfigurationsseite das folgende Python-Skript in den Bereich des Lambda-Code-Editors ein. Die `lambda_handler` Funktion überwacht den von der `StopTrainingJob` API-Operation gesammelten Evaluierungsstatus der Debugger-Regel CloudWatch und löst ihn aus. Die AWS SDK für Python (Boto3) `client` for SageMaker AI bietet eine Methode auf hoher Ebene`stop_training_job`, die den `StopTrainingJob` API-Vorgang auslöst.
```
import json
import boto3
import logging
logger = logging.getLogger()
logger.setLevel(logging.INFO)
def lambda_handler(event, context):
training_job_name = event.get("detail").get("TrainingJobName")
logging.info(f'Evaluating Debugger rules for training job: {training_job_name}')
eval_statuses = event.get("detail").get("DebugRuleEvaluationStatuses", None)
if eval_statuses is None or len(eval_statuses) == 0:
logging.info("Couldn't find any debug rule statuses, skipping...")
return {
'statusCode': 200,
'body': json.dumps('Nothing to do')
}
# should only attempt stopping jobs with InProgress status
training_job_status = event.get("detail").get("TrainingJobStatus", None)
if training_job_status != 'InProgress':
logging.debug(f"Current Training job status({training_job_status}) is not 'InProgress'. Exiting")
return {
'statusCode': 200,
'body': json.dumps('Nothing to do')
}
client = boto3.client('sagemaker')
for status in eval_statuses:
logging.info(status.get("RuleEvaluationStatus") + ', RuleEvaluationStatus=' + str(status))
if status.get("RuleEvaluationStatus") == "IssuesFound":
secondary_status = event.get("detail").get("SecondaryStatus", None)
logging.info(
f'About to stop training job, since evaluation of rule configuration {status.get("RuleConfigurationName")} resulted in "IssuesFound". ' +
f'\ntraining job "{training_job_name}" status is "{training_job_status}", secondary status is "{secondary_status}"' +
f'\nAttempting to stop training job "{training_job_name}"'
)
try:
client.stop_training_job(
TrainingJobName=training_job_name
)
except Exception as e:
logging.error(
"Encountered error while trying to "
"stop training job {}: {}".format(
training_job_name, str(e)
)
)
raise e
return None
```
Weitere Informationen zur Lambda-Code-Editor-Oberfläche finden Sie unter Funktionen mit dem AWS Lambda-Konsolen-Editor [ erstellen. ](https://docs.aws.amazon.com/lambda/latest/dg/code-editor.html)
1. Überspringen Sie alle anderen Einstellungen und wählen Sie oben auf der Konfigurationsseite **Speichern**.
## Schritt 3: Erstellen Sie eine CloudWatch Ereignisregel und verknüpfen Sie sie mit der Lambda-Funktion für den Debugger
**Um eine CloudWatch Event-Regel und einen Link zur Lambda-Funktion für den Debugger zu erstellen**
1. Öffnen Sie die CloudWatch Konsole unter. [ https://console.aws.amazon.com/cloudwatch/ ](https://console.aws.amazon.com/cloudwatch/)
1. Wählen Sie im linken Navigationsbereich unter dem Knoten **Ereignisse** die Option **Regeln**.
1. Wählen Sie **Regel erstellen** aus.
1. Wählen Sie auf der ** Seite „**Schritt 1: Regel erstellen“ im ** Abschnitt „**Eventquelle“ die Option ** SageMaker AI ** als ** Servicename ** und als ** Ereignistyp die Option ** SageMaker AI Training Job State Change ** aus**. Die Event-Pattern-Vorschau sollte wie in den folgenden JSON-Beispielzeichenfolgen aussehen:
```
{
"source": [
"aws.sagemaker"
],
"detail-type": [
"SageMaker Training Job State Change"
]
}
```
1. Wählen Sie im Abschnitt **Ziele** die Option **Ziel hinzufügen\*** und wählen Sie die Lambda-Funktion **debugger-rule-stop-training-job** aus, die Sie erstellt haben. In diesem Schritt wird die CloudWatch Events-Regel mit der Lambda-Funktion verknüpft.
1. Wählen Sie **Details konfigurieren** und gehen Sie zur Seite **Schritt 2: Regeldetails konfigurieren**.
1. Geben Sie den Namen der CloudWatch Regeldefinition an. Zum Beispiel **debugger-cw-event-rule**.
1. Wählen Sie **Rolle erstellen** aus, um den Vorgang abzuschließen.
1. Gehen Sie zurück zur Konfigurationsseite der Lambda-Funktion und aktualisieren Sie die Seite. Vergewissern Sie sich, dass es im **Designer-Bereich** korrekt konfiguriert ist. Die CloudWatch Events-Regel sollte als Trigger für die Lambda-Funktion registriert werden. Das Konfigurationsdesign sollte wie das folgende Beispiel aussehen:
