メインコンテンツまでスキップ

デバッグ

Azure ML ログファイル#

Azure ML のログファイルは Azure ML ワークロード のデバッグを行う上で必須の情報です。

ログファイル説明
20_image_build_log*.txtDocker ビルドログ。環境を更新した時のみ該当。それ以外の場合 Azure ML はキャッシュされたイメージを再利用する。

もしも成功した場合、関連するイメージのレジストリ詳細情報を含む。
55_azureml-execution*.txtコンピューティングターゲットに対するイメージのプル。このログはコンピューティングリソースが確保された時点で一度だけ作成される。
65_job_prep*.txtジョブ準備: コンピューティングターゲットやデータストアへのコードのダウンロード。(もしも操作が行われた場合)
70_driver_log.txtスクリプトの標準出力。(e.g. コード中の print ステートメント)

多くの場合、ユーザーはこのログを確認する。
75_job_post*.txtジョブのリリース: コンピューティングリソースが Azure へ返された際のログ。
info

実行のたびにすべてのログファイルを確認する必要はありません。例えば、20_image_build_log*.txtは新しいイメージがビルドされた時のみ作成されます。(e.g. 環境変更時)

Studio からログを確認する#

これらのログファイルは Studio UI (https://ml.azure.com) の ワークスペース > 実験 > 実行 > 出力とログ から確認できます。

ストリーミングログ#

Runオブジェクトを使うことで、ストリームログをローカルターミナルに直接流し込むことができます。以下がその例です:

from azureml.core import Workspace, Experiment, ScriptRunConfig
ws = Workspace.from_config()
config = ScriptRunConfig(...)
run = Experiment(ws, 'my-amazing-experiment').submit(config)
run.wait_for_completion(show_output=True)

SSH#

デバッグの一環として、使用中のコンピューティングに対して SSH 接続することも有用な場合があります。

コンピューティング作成時の SSH 有効化

SSH はコンピューティングインスタンス / コンピューティングターゲット 作成時に有効にする必要があります。詳細は Compute Targets を参照してください。

  1. コンピューティングのパブリック IP アドレスとポート番号を取得します。

    Studio ml.azure.com の コンピューティングタブから、コンピューティングインスタンスもしくはコンピューティングターゲットを選択します。

    Note 接続時にコンピューティングは実行中である必要があります。

    • コンピューティングインスタンスの場合は単に実行中であれば良いです。
    • コンピューティングターゲットの場合は何かのジョブがクラスター上で実行中されている必要があります。このとき、クラスターのノードタブから、各ノードのパブリック IP アドレスとポート番号を確認することができます。(ml.azure.com > コンピューティング > 対象のコンピューティングターゲット > ノード)

  2. 任意のシェルで下記を実行します:

    ssh azureuser@<public-ip> -p <port-number>
RSA を使った SSH キーペア

SSH パブリック-プライベートキーペアが推奨されています。詳細はこちらを参照してください。

このページを編集