Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Configuration du profilage du framework

Pour activer le profilage du cadre Debugger, configurez le paramètre framework_profile_params lorsque vous créez un estimateur. Le profilage du cadre Debugger recueille des métriques du cadre, telles que les données de l'étape d'initialisation, les processus de chargement de données, les opérateurs Python des cadres de deep learning et des scripts d'entraînement, le profilage détaillé dans et entre les étapes, avec les options cProfile ou Pyinstrument. À l'aide de la classe FrameworkProfile, vous pouvez configurer des options de profilage de cadre personnalisées.

Démarrage d'une tâche d'entraînement avec le profilage de framework par défaut

L'exemple de code suivant est la configuration la plus simple du paramètre profiler_config pour démarrer la surveillance système et le profilage de cadre par défaut. La classe FrameworkProfile de l'exemple de code suivant lance le profilage de cadre par défaut lorsqu'une tâche d'entraînement démarre. Le profilage du cadre Debugger inclut les options suivantes : profilage détaillé, profilage du chargeur de données et profilage Python.

from sagemaker.debugger import ProfilerConfig, FrameworkProfile
    
profiler_config=ProfilerConfig(
    framework_profile_params=FrameworkProfile()
)

Avec cette configuration du paramètre profiler_config, Debugger appelle les paramètres par défaut de surveillance et de profilage. Debugger contrôle les métriques système toutes les 500 millisecondes. Il profile la cinquième étape avec l'option de profilage détaillé ; la septième étape avec l'option de profilage du chargeur de données ; et les neuvième, dixième et onzième étapes avec l'option de profilage Python.

Pour connaître les options de configuration de profilage disponibles, les paramètres par défaut et des exemples de configuration, consultez la section API Démarrage d'une tâche d'entraînement avec la surveillance système par défaut et le profilage de framework personnalisé avec différentes options de profilage et SageMaker Debugger — FrameworkProfile dans le SDK Amazon SageMaker Python.

Si vous souhaitez modifier l'intervalle de surveillance système et activer le profilage de cadre par défaut, vous pouvez spécifier le paramètre system_monitor_interval_millis explicitement avec le paramètre framework_profile_params. Par exemple, pour contrôler toutes les 1 000 millisecondes et activer le profilage de cadre par défaut, utilisez l'exemple de code suivant.

from sagemaker.debugger import ProfilerConfig, FrameworkProfile
    
profiler_config=ProfilerConfig(
    system_monitor_interval_millis=1000,
    framework_profile_params=FrameworkProfile()
)

Pour plus d'informations sur cette FrameworkProfile classe, consultez la section SageMaker Debugger APIs — FrameworkProfile dans le SDK Amazon SageMaker Python.

Démarrage d'une tâche d'entraînement avec la surveillance système par défaut et le profilage de framework personnalisé pour les étapes cible ou une plage de temps cible

Si vous souhaitez spécifier des étapes cible ou des intervalles de temps cible pour établir le profil de votre tâche d'entraînement, vous devez spécifier des paramètres pour la classe FrameworkProfile. Les exemples de code suivants montrent comment spécifier les plages cible pour le profilage et la surveillance système.

Démarrage d'une tâche d'entraînement avec la surveillance système par défaut et le profilage de framework personnalisé avec différentes options de profilage

Vous pouvez utiliser les classes de configuration de profilage suivantes pour gérer les options de profilage de cadre :

L'exemple de configuration suivant montre la structure complète lorsque vous utilisez les différentes options de profilage avec des valeurs spécifiées.

import time
from sagemaker.debugger import (ProfilerConfig, 
                                FrameworkProfile, 
                                DetailedProfilingConfig, 
                                DataloaderProfilingConfig, 
                                PythonProfilingConfig,
                                PythonProfiler, cProfileTimer)

profiler_config=ProfilerConfig(
    system_monitor_interval_millis=500,
    framework_profile_params=FrameworkProfile(
        detailed_profiling_config=DetailedProfilingConfig(
            start_step=5, 
            num_steps=1
        ),
        dataloader_profiling_config=DataloaderProfilingConfig(
            start_step=7, 
            num_steps=1
        ),
        python_profiling_config=PythonProfilingConfig(
            start_step=9, 
            num_steps=1, 
            python_profiler=PythonProfiler.CPROFILE, 
            cprofile_timer=cProfileTimer.TOTAL_TIME
        )
    )
)

Pour plus d'informations sur les options de profilage disponibles, consultez DetailedProfilingDataloaderProfilingConfig, PythonProfiling Config et Config dans le SDK Amazon SageMaker Python.