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 SageMaker zum Amazon Training Compiler
**Wichtig**
Amazon Web Services (AWS) gibt bekannt, dass es keine neuen Releases oder Versionen von SageMaker Training Compiler geben wird. Sie können SageMaker Training Compiler weiterhin über die vorhandenen AWS Deep Learning Containers (DLCs) für SageMaker Schulungen verwenden. Es ist wichtig zu beachten, dass auf die vorhandenen DLCs Dateien zwar weiterhin zugegriffen werden kann, sie jedoch gemäß der [Support-Richtlinie für AWS Deep Learning Containers Framework](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html) keine Patches oder Updates mehr erhalten. AWS
In den folgenden Versionshinweisen finden Sie Informationen zu den neuesten Updates für Amazon SageMaker Training Compiler.
## SageMaker Versionshinweise zum Training Compiler: 13. Februar 2023
**Aktualisierungen der Währungen**
+ Unterstützung für PyTorch v1.13.1 wurde hinzugefügt
**Fehlerbehebungen**
+ Es wurde ein Problem mit den Rennbedingungen auf der GPU behoben, das bei einigen Modellen wie Vision Transformer (ViT) zu einem Verlust von NAN führte.
**Weitere Änderungen**
+ SageMaker Training Compiler verbessert die Leistung, da PyTorch/XLA die Optimierer (wie SGD, Adam, AdamW) in `torch.optim` oder `transformers.optimization` mit ihren syncfree-Versionen (wie,,) automatisch überschrieben werden können. `torch_xla.amp.syncfree` `torch_xla.amp.syncfree.SGD` `torch_xla.amp.syncfree.Adam` `torch_xla.amp.syncfree.AdamW` Sie müssen die Codezeilen, in denen Sie Optimizer in Ihrem Trainingsskript definieren, nicht ändern.
**Migration zu AWS Deep Learning Containers**
Diese Version hat die Benchmark-Tests bestanden und wurde auf den folgenden AWS Deep Learning-Container migriert:
+ PyTorch v1.13.1
```
763104351884.dkr.ecr.us-west-2.amazonaws.com/pytorch-trcomp-training:1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker
```
Eine vollständige Liste der vorkonfigurierten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)
## SageMaker Versionshinweise zum Training Compiler: 9. Januar 2023
**Abwärtskompatible Änderungen**
+ `tf.keras.optimizers.Optimizer`verweist auf einen neuen Optimierer in TensorFlow 2.11.0 und höher. Die alten Optimierer wurden verschoben. `tf.keras.optimizers.legacy` Wenn Sie wie folgt vorgehen, kann es aufgrund der bahnbrechenden Änderung zu einem Fehlschlagen des Auftrags kommen.
+ Laden Sie Checkpoints aus einem alten Optimizer. Wir empfehlen Ihnen, zu den älteren Optimierern zu wechseln.
+ Benutze v1. TensorFlow Wir empfehlen Ihnen, auf TensorFlow Version 2 zu migrieren oder zu den älteren Optimierern zu wechseln, wenn Sie Version 1 weiterhin verwenden TensorFlow müssen.
Eine detailliertere Liste der wichtigsten Änderungen aufgrund der Optimizer-Änderungen finden Sie in den [offiziellen Versionshinweisen zu Version TensorFlow 2.11.0](https://github.com/tensorflow/tensorflow/releases/tag/v2.11.0) im Repository. TensorFlow GitHub
**Migration zu AWS Deep Learning Containers**
Diese Version hat die Benchmark-Tests bestanden und wurde auf den folgenden AWS Deep Learning-Container migriert:
+ TensorFlow v2.11.0
```
763104351884.dkr.ecr.{{}}.amazonaws.com/tensorflow-training:2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker
```
Eine vollständige Liste der vorkonfigurierten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)
## SageMaker Versionshinweise zum Training Compiler: 8. Dezember 2022
**Fehlerbehebungen**
+ Der Startwert für PyTorch Trainingsjobs ab PyTorch Version 1.12 wurde korrigiert, um sicherzustellen, dass es bei der Modellinitialisierung zwischen verschiedenen Prozessen keine Diskrepanz gibt. [Siehe auch Reproduzierbarkeit. PyTorch](https://pytorch.org/docs/stable/notes/randomness.html)
+ Es wurde das Problem behoben, dass PyTorch verteilte Trainingsjobs auf G4dn- und G5-Instances nicht standardmäßig auf Kommunikation per [PCIe](https://en.wikipedia.org/wiki/PCI_Express)
**Bekannte Probleme**
+ Bei unsachgemäßer Verwendung der Bildtransformatoren von PyTorch/XLA APIs In Hugging Face konnte es zu Konvergenzproblemen kommen.
**Weitere Änderungen**
+ Wenn Sie die `Trainer` Klasse Hugging Face Transformers verwenden, stellen Sie sicher, dass Sie SyncFree Optimierer verwenden, indem Sie das Argument auf setzen. `optim` `adamw_torch_xla` Weitere Informationen finden Sie unter [Große Sprachmodelle, die die Hugging Face Transformers-`Trainer` Klasse verwenden](training-compiler-pytorch-models.md#training-compiler-pytorch-models-transformers-trainer). Siehe auch [Optimizer](https://huggingface.co/docs/transformers/v4.23.1/en/perf_train_gpu_one#optimizer) in der Dokumentation zu *Hugging Face Transformers*.
**Migration zu AWS Deep Learning Containers**
Diese Version hat die Benchmark-Tests bestanden und wurde auf den folgenden AWS Deep Learning-Container migriert:
+ PyTorch v1.12.0
```
763104351884.dkr.ecr.{{}}.amazonaws.com/pytorch-trcomp-training:1.12.0-gpu-py38-cu113-ubuntu20.04-sagemaker
```
Eine vollständige Liste der vorkonfigurierten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)
## SageMaker Versionshinweise zum Training Compiler: 4. Oktober 2022
**Aktualisierungen der Währungen**
+ Unterstützung für TensorFlow v2.10.0 hinzugefügt.
**Weitere Änderungen**
+ Hugging Face NLP-Modelle, die die Transformers-Bibliothek verwenden, wurden zu TensorFlow Framework-Tests hinzugefügt. Informationen zu den getesteten Transformer-Modellen finden Sie unter. [Getestete Modelle](training-compiler-support.md#training-compiler-tested-models)
**Migration zu AWS Deep Learning Containers**
Diese Version hat die Benchmark-Tests bestanden und wurde auf den folgenden AWS Deep Learning-Container migriert:
+ TensorFlow v2.10.0
```
763104351884.dkr.ecr.{{}}.amazonaws.com/tensorflow-training:2.10.0-gpu-py39-cu112-ubuntu20.04-sagemaker
```
Eine vollständige Liste der vorkonfigurierten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)
## SageMaker Versionshinweise zum Training Compiler: 1. September 2022
**Aktualisierungen der Währungen**
+ Unterstützung für Hugging Face Transformers v4.21.1 mit v1.11.0 hinzugefügt. PyTorch
**Verbesserungen**
+ Es wurde ein neuer verteilter Trainingsstartmechanismus implementiert, mit dem der SageMaker Training Compiler für Hugging Face Transformer-Modelle aktiviert werden kann. PyTorch Weitere Informationen finden Sie unter [ PyTorchTrainingsjobs mit dem Training Compiler for SageMaker Distributed Training ausführen](training-compiler-enable-pytorch.md#training-compiler-estimator-pytorch-distributed).
+ Integriert in EFA, um die kollektive Kommunikation bei verteilten Trainings zu verbessern.
+ Unterstützung für G5-Instances für PyTorch Trainingsjobs hinzugefügt. Weitere Informationen finden Sie unter [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md).
**Migration zu AWS Deep Learning Containers**
Diese Version hat die Benchmark-Tests bestanden und wurde auf den folgenden AWS Deep Learning-Container migriert:
+ [HuggingFace v4.21.1 mit v1.11.0 PyTorch ](https://github.com/aws/deep-learning-containers/releases/tag/v1.0-trcomp-hf-4.21.1-pt-1.11.0-tr-gpu-py38)
```
763104351884.dkr.ecr.us-west-2.amazonaws.com/huggingface-pytorch-trcomp-training:1.11.0-transformers4.21.1-gpu-py38-cu113-ubuntu20.04
```
Eine vollständige Liste der vorkonfigurierten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)
## SageMaker Versionshinweise zum Training Compiler: 14. Juni 2022
**Neue Features**
+ Unterstützung für TensorFlow v2.9.1 hinzugefügt. SageMaker Training Compiler unterstützt das Kompilieren von TensorFlow Modulen (`tf.*`) und TensorFlow Keras-Modulen () vollständig. `tf.keras.*`
+ Unterstützung für benutzerdefinierte Container hinzugefügt, die durch die Erweiterung von AWS Deep Learning Containers für erstellt wurden TensorFlow. Weitere Informationen finden Sie unter [Aktivieren des SageMaker Trainingscompilers mithilfe des SageMaker Python-SDK und Erweitern von SageMaker AI Framework Deep Learning Containers](training-compiler-enable-tensorflow.md#training-compiler-enable-tensorflow-sdk-extend-container).
+ Unterstützung für G5-Instanzen für TensorFlow Trainingsjobs hinzugefügt.
**Migration zu AWS Deep Learning Containers**
Diese Version hat die Benchmark-Tests bestanden und wurde auf den folgenden AWS Deep Learning-Container migriert:
+ TensorFlow 2.9.1
```
763104351884.dkr.ecr.{{}}.amazonaws.com/tensorflow-training:2.9.1-gpu-py39-cu112-ubuntu20.04-sagemaker
```
Eine vollständige Liste der vorgefertigten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)
## SageMaker Versionshinweise zum Training Compiler: 26. April 2022
**Verbesserungen**
+ Unterstützung für alle Bereiche hinzugefügt, in AWS-Regionen denen [AWS Deep Learning Containers](https://github.com/aws/deep-learning-containers/blob/master/available_images.md) im Einsatz sind, mit Ausnahme der Regionen China.
## SageMaker Versionshinweise zum Training Compiler: 12. April 2022
**Aktualisierungen der Währungen**
+ Unterstützung für Hugging Face Transformers v4.17.0 mit v2.6.3 und v1.10.2 hinzugefügt. TensorFlow PyTorch
## SageMaker Versionshinweise zum Training Compiler: 21. Februar 2022
**Verbesserungen**
+ Der Benchmark-Test wurde abgeschlossen und die Trainingsbeschleunigung für die Instance-Typen bestätigt. `ml.g4dn` Eine vollständige Liste der getesteten `ml` Instances finden Sie unter. [Unterstützte Instance-Typen](training-compiler-support.md#training-compiler-supported-instance-types)
## SageMaker Versionshinweise zum Training Compiler: 01. Dezember 2021
**Neue Features**
+ Amazon SageMaker Training Compiler wurde auf der AWS re:Invent 2021 vorgestellt.
**Migration zu AWS Deep Learning Containers**
+ Amazon SageMaker Training Compiler hat die Benchmark-Tests bestanden und wurde auf AWS Deep Learning Containers migriert. Eine vollständige Liste der vorkonfigurierten Container mit Amazon SageMaker Training Compiler finden Sie unter. [Unterstützte Frameworks AWS-Regionen, Instanztypen und getestete Modelle](training-compiler-support.md)