def upload_metrics()

in ci/albert/parse_and_submit.py [0:0]
130 lines of code
1 McCabe index (conditional complexity)

def upload_metrics(parsed_results, num_gpus, batch_size, instance_type, platform):
    client = boto3.client('cloudwatch')
    print(parsed_results['loss'])
    client.put_metric_data(
      Namespace='ModelOptimization',
      MetricData=[
        {
          'MetricName': 'Loss',
          'Value': parsed_results['loss'],
          'Dimensions': [
              {
                  'Name': 'Model',
                  'Value': 'ALBERT'
              },
              {
                  'Name': 'Platform',
                  'Value': str(platform)
              },
              {
                  'Name': 'Instance Type',
                  'Value': str(instance_type)
              },
              {
                  'Name': 'Num of GPUs',
                  'Value': 'GPUs:' + str(num_gpus)
              },
              {
                  'Name': 'Batch Size',
                  'Value': 'Batch Size:' + str(batch_size)
              }
          ]
        }
      ]
    )
    print(parsed_results['mlm'])
    client.put_metric_data(
      Namespace='ModelOptimization',
      MetricData=[
        {
          'MetricName': 'MLM Accuracy',
          'Value': parsed_results['mlm'],
          'Dimensions': [
              {
                  'Name': 'Model',
                  'Value': 'ALBERT'
              },
              {
                  'Name': 'Platform',
                  'Value': str(platform)
              },
              {
                  'Name': 'Instance Type',
                  'Value': str(instance_type)
              },
              {
                  'Name': 'Num of GPUs',
                  'Value': 'GPUs:' + str(num_gpus)
              },
              {
                  'Name': 'Batch Size',
                  'Value': 'Batch Size:' + str(batch_size)
              }
          ]
        }
      ]
    )
    print(parsed_results['sop'])
    client.put_metric_data(
      Namespace='ModelOptimization',
      MetricData=[
        {
          'MetricName': 'SOP Accuracy',
          'Value': parsed_results['sop'],
          'Dimensions': [
              {
                  'Name': 'Model',
                  'Value': 'ALBERT'
              },
              {
                  'Name': 'Platform',
                  'Value': str(platform)
              },
              {
                  'Name': 'Instance Type',
                  'Value': str(instance_type)
              },
              {
                  'Name': 'Num of GPUs',
                  'Value': 'GPUs:' + str(num_gpus)
              },
              {
                  'Name': 'Batch Size',
                  'Value': 'Batch Size:' + str(batch_size)
              }
          ]
        }
      ]
    )
    print(parsed_results['time'])
    client.put_metric_data(
      Namespace='ModelOptimization',
      MetricData=[
        {
          'MetricName': 'Training time',
          'Value': parsed_results['sop'],
          'Dimensions': [
              {
                  'Name': 'Model',
                  'Value': 'ALBERT'
              },
              {
                  'Name': 'Platform',
                  'Value': str(platform)
              },
              {
                  'Name': 'Instance Type',
                  'Value': str(instance_type)
              },
              {
                  'Name': 'Num of GPUs',
                  'Value': 'GPUs:' + str(num_gpus)
              },
              {
                  'Name': 'Batch Size',
                  'Value': 'Batch Size:' + str(batch_size)
              }
          ]
        }
      ]
    )