Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Configurer Debugger pour automatiser la fin des tâches de formation à l'aide CloudWatch de et Lambda
**Note**
Amazon SageMaker Debugger n'est plus ouvert aux nouveaux clients. Les clients existants peuvent continuer à utiliser le service normalement. AWS continue d'investir dans l'amélioration de la sécurité et de la disponibilité de Debugger, mais nous ne prévoyons pas d'introduire de nouvelles fonctionnalités. Pour de plus amples informations, veuillez consulter [Modification de la disponibilité du débogueur](debugger-availability-change.md).
Les règles du débogueur surveillent l'état des tâches de formation, et une règle CloudWatch Events surveille l'état de l'évaluation des tâches de formation des règles du débogueur. Les sections suivantes décrivent le processus nécessaire pour automatiser la fin des tâches de formation à l'aide de using CloudWatch et de Lambda.
**Topics**
+ [Étape 1 : créer une fonction Lambda](#debugger-lambda-function-create)
+ [Étape 2 : Configurer la fonction Lambda](#debugger-lambda-function-configure)
+ [Étape 3 : Création d'une règle d' CloudWatch événements et création d'un lien vers la fonction Lambda pour Debugger](#debugger-cloudwatch-events)
## Étape 1 : créer une fonction Lambda
**Pour créer une fonction Lambda**
1. Ouvrez la AWS Lambda console à l'adresse [ https://console.aws.amazon.com/lambda/](https://console.aws.amazon.com/lambda/).
1. Dans le panneau de navigation, choisissez **Functions (Fonctions)**, puis **Create function (Créer une fonction)**.
1. Sur la page **Create function (Créer une fonction)**, choisissez l'option **Author from scratch (Créer à partir de zéro)**.
1. Dans la section **Basic information (Informations de base)**, saisissez un **Function name (Nom de fonction)** (par exemple,**debugger-rule-stop-training-job**).
1. Pour **Runtime**, sélectionnez **Python 3.7**.
1. Pour **Permissions (Autorisations)**, développez la liste d'options déroulante et choisissez **Change default execution role (Modifier le rôle d'exécution par défaut)**.
1. Pour Rôle ** d'exécution**, choisissez ** Utiliser un rôle existant ** et choisissez le rôle IAM que vous utilisez pour les tâches de formation sur l' SageMaker IA.
**Note**
Assurez-vous d'utiliser le rôle d'exécution avec `AmazonSageMakerFullAccess` et `AWSLambdaBasicExecutionRole` attachées. Sinon, la fonction Lambda ne réagira pas correctement aux changements de statut de la règle Debugger de la tâche d'entraînement. Si vous ne savez pas quel rôle d'exécution est utilisé, exécutez le code suivant dans une cellule de bloc-notes Jupyter pour récupérer la sortie du rôle d'exécution :
```
import sagemaker
from sagemaker.core.helper.session_helper import get_execution_role
get_execution_role()
```
1. Dans le bas de la page, choisissez **Create function**.
La figure suivante illustre un exemple de page **Create function (Créer une fonction)** avec les champs de saisie et les sélections remplis.
## Étape 2 : Configurer la fonction Lambda
**Pour configurer la fonction Lambda**
1. Dans la section **Function code (Code de fonction)** de la page de configuration, collez le script Python suivant dans le volet de l'éditeur de code Lambda. La `lambda_handler` fonction surveille l'état d'évaluation des règles du débogueur collecté par CloudWatch et déclenche l'opération de l'`StopTrainingJob`API. Le AWS SDK pour Python (Boto3) `client` for SageMaker AI fournit une méthode de haut niveau qui déclenche le fonctionnement de l'`StopTrainingJob`API. `stop_training_job`
```
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
```
Pour plus d'informations sur l'interface de l'éditeur de code Lambda, consultez [ Création de fonctions à l'aide de l'éditeur de console AWS Lambda. ](https://docs.aws.amazon.com/lambda/latest/dg/code-editor.html)
1. Ignorez tous les autres paramètres et choisissez **Save (Enregistrer)** en haut de la page de configuration.
## Étape 3 : Création d'une règle d' CloudWatch événements et création d'un lien vers la fonction Lambda pour Debugger
**Pour créer une règle d' CloudWatch événements et créer un lien vers la fonction Lambda pour Debugger**
1. Ouvrez la CloudWatch console à l'adresse [ https://console.aws.amazon.com/cloudwatch/](https://console.aws.amazon.com/cloudwatch/).
1. Dans le panneau de navigation de gauche, choisissez **Rules (Règles)** sous le nœud **Events (Événements)**.
1. Choisissez **Créer une règle**.
1. Dans la ** section Source de l'**événement de la ** page ** Étape 1 : créer une règle, choisissez ** SageMaker AI ** pour le nom du ** service**, puis choisissez ** SageMaker AI Training Job State Change ** pour le type d'**événement**. La prévisualisation du modèle d'événement doit ressembler à l'exemple de chaînes JSON suivant :
```
{
"source": [
"aws.sagemaker"
],
"detail-type": [
"SageMaker Training Job State Change"
]
}
```
1. Dans **Targets (Cibles)**, choisissez **Add target\* (Ajouter une cible\*)**, puis choisissez l'option Lambda **debugger-rule-stop-training-job** que vous avez créée. Cette étape associe la règle CloudWatch Events à la fonction Lambda.
1. Choisissez **Configure details (Configurer les détails)** et accédez à la page **Step 2: Configure rule details (Étape 2 : Configurer les détails de la règle)**.
1. Spécifiez le nom de la définition de la CloudWatch règle. Par exemple, **debugger-cw-event-rule**.
1. Choisissez **Create rule (Créer la règle)** pour terminer.
1. Revenez dans la page de configuration de la fonction Lambda et actualisez la page. Vérifiez qu'elle est correctement configurée dans le panneau **Designer (Concepteur)**. La règle CloudWatch Events doit être enregistrée en tant que déclencheur pour la fonction Lambda. La conception de configuration doit ressembler à l'exemple suivant :
