Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Notas de publicación sobre las capacidades de depuración de Amazon SageMaker
Consulta las siguientes notas de la versión para hacer un seguimiento de las últimas actualizaciones de las funciones de depuración de Amazon SageMaker.
21 de diciembre de 2023
Nuevas características
Se lanzó una funcionalidad de depuración remota, una nueva capacidad de depuración SageMaker que le brinda un acceso básico a los contenedores de entrenamiento. Con esta versión, puede depurar las tareas de formación iniciando sesión en los contenedores de tareas que se ejecutan en las instancias de aprendizaje automático. SageMaker Para obtener más información, consulte Acceda a un contenedor de capacitación AWS Systems Manager para la depuración remota.
7 de septiembre de 2023
Nuevas características
Se agregó un nuevo módulo de utilidades sagemaker.interactive_apps.tensorboard.TensorBoardApp que proporciona una función llamada get_app_url(). La get_app_url() función genera direcciones URL prefirmadas o sin firmar para abrir la TensorBoard aplicación en cualquier entorno de Amazon SageMaker EC2. El objetivo es proporcionar una experiencia unificada tanto a los usuarios de Studio Classic como a los que no lo son. En el entorno Studio Classic, puede abrirla TensorBoard ejecutando la get_app_url() función tal como está, o también puede especificar un nombre de trabajo para iniciar el seguimiento a medida que se abra la TensorBoard aplicación. En el caso de entornos que no sean de Studio Classic, puede TensorBoard abrirlos proporcionando la información de su dominio a la función de utilidad. Con esta funcionalidad, independientemente de dónde o cómo ejecute el código de formación y ejecute los trabajos de formación, puede acceder directamente a ella TensorBoard ejecutando la get_app_url función en su portátil o terminal Jupyter. Esta funcionalidad está disponible en el SDK de SageMaker Python v2.184.0 y versiones posteriores. Para obtener más información, consulte ¿Cómo acceder a TensorBoard SageMaker.
4 de abril de 2023
Nuevas características
Se lanzó SageMaker con TensorBoard una capacidad que se aloja en. TensorBoard SageMaker TensorBoard está disponible como aplicación a través del SageMaker dominio, y la plataforma de SageMaker formación admite la recopilación de datos de TensorBoard salida en S3 y su carga automática TensorBoard en el servidor SageMaker. Con esta capacidad, puede ejecutar tareas de formación configuradas con redactores de TensorBoard resúmenes integrados SageMaker, guardar los archivos de TensorBoard salida en Amazon S3, abrir la TensorBoard aplicación directamente desde la SageMaker consola y cargar los archivos de salida mediante el complemento SageMaker Data Manager implementado en la TensorBoard interfaz alojada. No necesita realizar la instalación TensorBoard manualmente y hospedar localmente en los SageMaker IDE o en la máquina local. Para obtener más información, consulte Úselo TensorBoard para depurar y analizar trabajos de formación en Amazon SageMaker.
16 de marzo de 2023
Notas de desaprobación
SageMaker Debugger deja de utilizar la función de creación de perfiles del framework a partir TensorFlow de las versiones 2.11 y 2.0. PyTorch Puede seguir utilizando la función en las versiones anteriores de los marcos y los SDK de la siguiente manera.
-
SageMaker SDK de Python <= v2.130.0
-
PyTorch >= v1.6.0, < v2.0
-
TensorFlow >= v2.3.1, < v2.11
Con la obsolescencia, SageMaker Debugger también deja de admitir los tres siguientes para la creación de perfiles de marcos. ProfilerRules
21 de febrero de 2023
Otros cambios
-
La pestaña de informes de XGBoost se ha eliminado del panel del generador de perfiles del Debugger. SageMaker Todavía puede acceder al informe de XGBoost descargándolo como un cuaderno de Jupyter o como un archivo HTML. Para obtener más información, consulte el informe de formación sobre el SageMaker depurador XGBoost.
-
A partir de esta versión, las reglas del creador de perfiles integrado no están activadas de forma predeterminada. Para utilizar las reglas del generador de perfiles del SageMaker depurador para detectar determinados problemas computacionales, es necesario añadir las reglas al configurar un lanzador de tareas de entrenamiento. SageMaker
1 de diciembre de 2020
Amazon SageMaker Debugger lanzó funciones de creación de perfiles profundos en re:Invent 2020.
3 de diciembre de 2019
Amazon SageMaker Debugger se lanzó inicialmente en re:Invent 2019.
