1. 介绍

我尝试与公司人员一起使用 AWS 提供的 AWS DeepRacer 日志分析工具。日志分析工具以笔记本格式发布在 GitHub 上的 AWS DeepRacer Workshop 下面。
https://github.com/aws-samples/aws-deepracer-workshops

警告

以下内容针对截至 2019 年 6 月 6 日的示例笔记本。
它可能不适用于其他版本的笔记本电脑。

2. 安装程序

2.1 创建策略

将以下策略附加到您的 Jupyter Notebook 实例的 IAM 角色。

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": "logs:FilterLogEvents",
            "Resource": "*"
        }
    ]
}

创建 IAM 角色的方法与 AWS DeepRacer 模拟相同，请参考这里。
如何在 SageMaker 中启动 Deep Racer 模拟创建 IAM 角色

3. 创建 Amazon SageMaker 笔记本环境

在管理控制台中打开 Amazon SageMaker 并切换到与 AWS DeepRacer 控制台相同的北弗吉尼亚区域。

创建 notebook 实例的方法与 AWS DeepRacer 模拟相同，请参考这里。
如何在 SageMaker 中开始使用 DeepRacer 模拟创建 SageMaker 笔记本环境

打开 Jupyter Notebook 并从文件选项卡的新建下拉菜单中选择终端。
当终端屏幕打开时，从 GitHub 克隆存储库。

$ cd SageMaker/
$ git clone https://github.com/aws-samples/aws-deepracer-workshops.git

从 Jupyter Notebook 的 Files 选项卡打开
/aws-deepracer-workshops/log-analysis/DeepRacer Log Analysis.ipynb。
显示环境选择画面，这里选择“conda_tensorflow_p36”。
　* 在此之后执行附加包的工作中选择相同的环境。

4. 根据你的笔记本环境安装包

在跟我们查的时候，notebook执行的时候出现了shapely import的错误，所以提前安装anaconda环境的包。

在 Jupyter Notebook 的“Conda”选项卡中，环境列表显示在顶部的 Conda 环境列表框中，因此选择“tensorflow_p36”。（图中1-1）
确认右下方列表框中的显示变为“tensorflow_p36”。（图中1-2）
从左下角的列表框中选择“匀称”。（图中2）
您还可以通过文本缩小搜索范围。
选择中间的“→”开始安装。（图中3）
您可以通过按右下角列表框顶部的“刷新包列表”图标来检查是否已安装。

在这里插入图片描述
现在你准备好了！

5. 我尝试执行日志分析

如果您可以打开笔记本，请从顶部运行单元格。（按执行按钮或 Shift + Enter）

5.1 根据模拟 ID 下载所需的日志文件

在 AWS DeepRacer 控制台中重写与您要评估的训练关联的模拟 ID。您可以从 AWS RoboMaker 模拟作业中检查模拟 ID。

stream_name = 'applicationId' ## CHANGE This to your simulation application ID
fname = 'logs/deepracer-%s.log' %stream_name
cw_utils.download_log(fname, stream_prefix=stream_name)

5.2 加载要运行分析的轨迹的航点

输入训练中使用的轨道名称。
曲目信息似乎不时添加。您可以从 aws-deepracer-workshops/log-analysis/tracks/ 检查文件名（= 要分析的轨道名称）。
在这里，指定 May 的虚拟电路轨道的 London Loop。

def get_track_waypoints(track_name):
    return np.load("tracks/%s.npy" % track_name)
waypoints = get_track_waypoints("London_Loop_Train")
waypoints.shape