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.

Versionshinweise zu den Profilierungsfunktionen von Amazon SageMaker

In den folgenden Versionshinweisen finden Sie die neuesten Updates für die Profilierungsfunktionen von Amazon SageMaker.

21. März 2024

Währungsaktualisierungen

SageMaker Profiler hat Unterstützung für PyTorch v2.2.0, v2.1.0 und v2.0.1 hinzugefügt.

AWS Mit SageMaker Profiler vorinstallierte Deep Learning Containers

SageMaker Profiler ist in den folgenden AWS Deep Learning Containers enthalten.

14. Dezember 2023

Währungsaktualisierungen

SageMaker Profiler hat Unterstützung für TensorFlow v2.13.0 hinzugefügt.

Bahnbrechende Änderungen

Diese Version beinhaltet eine bahnbrechende Änderung. Der Name des SageMaker Profiler-Python-Pakets wurde von smppy in smprof geändert. Wenn Sie die vorherige Version des Pakets verwendet haben, während Sie damit begonnen haben, die neuesten SageMaker Framework-Container für zu verwenden, die im folgenden Abschnitt TensorFlow aufgeführt sind, stellen Sie sicher, dass Sie den Paketnamen smprof in der Importanweisung in Ihrem Trainingsskript von smppy bis aktualisieren.

AWS Mit SageMaker Profiler vorinstallierte Deep Learning Containers

SageMaker Profiler ist in den folgenden AWS Deep Learning Containers enthalten.

Wenn Sie die vorherigen Versionen der Framework-Container wie TensorFlow v2.11.0 verwenden, ist das SageMaker Profiler-Python-Paket weiterhin als verfügbar. smppy Wenn Sie sich nicht sicher sind, welche Version oder welchen Paketnamen Sie verwenden sollten, ersetzen Sie die Importanweisung des SageMaker Profiler-Pakets durch den folgenden Codeausschnitt.

try:
    import smprof 
except ImportError:
    # backward-compatability for TF 2.11 and PT 1.13.1 images
    import smppy as smprof

24. August 2023

Neue Features

Amazon SageMaker Profiler wurde veröffentlicht, eine Profilerstellungs- und Visualisierungsfunktion, mit der Sie tief in SageMaker die bereitgestellten Rechenressourcen eintauchen können, während Deep-Learning-Modelle trainiert werden, und Einblicke in Details auf Betriebsebene erhalten. SageMaker Profiler bietet Python-Module (smppy) zum Hinzufügen von Anmerkungen in PyTorch TensorFlow Trainingsskripten und zum Aktivieren SageMaker von Profiler. Sie können über das SageMaker Python SDK und AWS Deep Learning Containers auf die Module zugreifen. Für alle Jobs, die mit den SageMaker Profiler-Python-Modulen ausgeführt werden, können Sie die Profildaten in die SageMaker Profiler-UI-Anwendung laden, die ein Übersichts-Dashboard und eine detaillierte Zeitleiste bietet. Weitere Informationen hierzu finden Sie unter Amazon SageMaker Profiler.

Diese Version des SageMaker Profiler-Python-Pakets ist in die folgenden SageMaker Framework-Container für PyTorch und TensorFlow integriert.