Notas de la versión SageMaker de Amazon Training Compiler

Actualizaciones de divisas

• Se agregó soporte para PyTorch la versión 1.13.1

Correcciones de errores

• Se ha corregido un problema relacionado con las condiciones de carrera de la GPU que provocaba la pérdida de NAN en algunos modelos, como los modelos con transformador de visión (ViT).

Otros cambios:

• SageMaker Training Compiler mejora el rendimiento al permitir que PyTorch /XLA anule automáticamente los optimizadores (como SGD, Adam, AdamW) incluidos en torch.optim sus versiones transformers.optimization sin sincronización (como,,). torch_xla.amp.syncfree torch_xla.amp.syncfree.SGD torch_xla.amp.syncfree.Adam torch_xla.amp.syncfree.AdamW No tiene que cambiar las líneas de código en las que define los optimizadores en su script de entrenamiento.

Migración a AWS Deep Learning Containers

Esta versión ha superado las pruebas comparativas y se ha migrado al siguiente contenedor de aprendizaje AWS profundo:

• PyTorch v1.13.1

  763104351884.dkr.ecr.us-west-2.amazonaws.com/pytorch-trcomp-training:1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker

  Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles

• tf.keras.optimizers.Optimizerapunta a un nuevo optimizador en la versión TensorFlow 2.11.0 y versiones posteriores. Los antiguos optimizadores se trasladan a tf.keras.optimizers.legacy. Es posible que se produzca un fallo en el trabajo debido al cambio de ruptura cuando haga lo siguiente.

  • Cargar puntos de control de un optimizador antiguo. Le recomendamos que cambie a utilizar los optimizadores heredados.

  • Utilice la versión 1. TensorFlow Le recomendamos que migre a la TensorFlow versión 2 o que cambie a los optimizadores antiguos si necesita seguir utilizando la TensorFlow versión 1.

  Para obtener una lista más detallada de los cambios más importantes relacionados con los cambios del optimizador, consulta las notas oficiales de la TensorFlow versión 2.11.0 en el repositorio. TensorFlow GitHub

Migración a AWS Deep Learning Containers

Esta versión ha superado las pruebas comparativas y se ha migrado al siguiente contenedor de aprendizaje AWS profundo:

• TensorFlow v2.11.0

  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker

  Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles

• Se ha corregido la raíz de los trabajos de PyTorch formación a partir de la PyTorch versión 1.12 para garantizar que no haya discrepancias en la inicialización del modelo en los distintos procesos. Consulte también Reproducibilidad. PyTorch

• Se solucionó el problema que provocaba que los trabajos de formación PyTorch distribuidos en las instancias G4dn y G5 no se comunicaran de forma predeterminada. PCIe

• El uso incorrecto de PyTorch /XLA APIs en los transformadores de visión de Hugging Face podía provocar problemas de convergencia.

• Cuando utilices la clase Hugging Face Trainer Transformers, asegúrate de SyncFree usar optimizadores optim configurando el argumento en. adamw_torch_xla Para obtener más información, consulte Grandes modelos lingüísticos mediante la clase Trainer de Hugging Face Transformers. Consulte también Optimizer en la documentación de Hugging Face Transformers.

Migración a AWS Deep Learning Containers

Esta versión ha superado las pruebas comparativas y se ha migrado al siguiente contenedor de aprendizaje AWS profundo:

• PyTorch v1.12.0

  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-trcomp-training:1.12.0-gpu-py38-cu113-ubuntu20.04-sagemaker

  Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles

Actualizaciones de divisas

• Se agregó soporte para la versión TensorFlow 2.10.0.

Otros cambios:

• Se agregaron modelos de PNL de Hugging Face utilizando la biblioteca TensorFlow Transformers para estructurar las pruebas. Para encontrar los modelos de Transformer probados, consulte Modelos probados.

Migración a AWS Deep Learning Containers

Esta versión ha superado las pruebas comparativas y se ha migrado al siguiente contenedor de aprendizaje AWS profundo:

• TensorFlow v2.10.0

  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.10.0-gpu-py39-cu112-ubuntu20.04-sagemaker

  Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles

Actualizaciones de divisas

• Se agregó soporte para Hugging Face Transformers v4.21.1 con v1.11.0 PyTorch.

Mejoras

• Se implementó un nuevo mecanismo de lanzamiento de entrenamiento distribuido para activar los modelos SageMaker Training Compiler for Hugging Face Transformer con. PyTorch Para obtener más información, consulte Ejecute trabajos de formación con PyTorch Training Compiler para una SageMaker formación distribuida.

• Se ha integrado con EFA para mejorar la comunicación colectiva en el entrenamiento distribuido.

• Se ha añadido compatibilidad con las instancias G5 para los trabajos de PyTorch formación. Para obtener más información, consulte Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles.

Migración a AWS Deep Learning Containers

Esta versión ha superado las pruebas comparativas y se ha migrado al siguiente contenedor de aprendizaje AWS profundo:

• HuggingFace v4.21.1 con v1.11.0 PyTorch

  763104351884.dkr.ecr.us-west-2.amazonaws.com/huggingface-pytorch-trcomp-training:1.11.0-transformers4.21.1-gpu-py38-cu113-ubuntu20.04

  Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles

Nuevas características

• Se agregó soporte para la versión TensorFlow 2.9.1. SageMaker Training Compiler es totalmente compatible con la compilación de TensorFlow módulos (tf.*) y módulos de TensorFlow Keras (). tf.keras.*

• Se agregó soporte para contenedores personalizados creados al extender AWS Deep Learning Containers for TensorFlow. Para obtener más información, consulte Habilitar el compilador de SageMaker entrenamiento mediante el SDK de SageMaker Python y Ampliación de los Deep Learning Containers de SageMaker AI Framework.

• Se ha añadido compatibilidad con las instancias G5 para trabajos de TensorFlow formación.

Migración a AWS Deep Learning Containers

Esta versión ha superado las pruebas comparativas y se ha migrado al siguiente contenedor de aprendizaje AWS profundo:

• TensorFlow 2.9.1

  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.9.1-gpu-py39-cu112-ubuntu20.04-sagemaker

  Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles

Mejoras

• Se agregó soporte para todos los Regiones de AWS lugares en los que AWS Deep Learning Containers está en servicio, excepto en las regiones de China.

Actualizaciones de divisas

• Se agregó soporte para Hugging Face Transformers v4.17.0 con v2.6.3 y v1.10.2 TensorFlow . PyTorch

Mejoras

• Se ha completado la prueba comparativa y se ha confirmado la aceleración del entrenamiento en los tipos de instancia de ml.g4dn. Para obtener una lista completa de las instancias de ml probadas, consulte Tipos de instancias admitidos.

Nuevas características

• Se lanzó Amazon SageMaker Training Compiler en AWS re:Invent 2021.

Migración a AWS Deep Learning Containers

• Amazon SageMaker Training Compiler ha superado las pruebas de referencia y se ha migrado a AWS Deep Learning Containers. Para obtener una lista completa de los contenedores prediseñados con Amazon SageMaker Training Compiler, consulte. Marcos Regiones de AWS, tipos de instancias y modelos probados compatibles