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.

Notes de mise à jour relatives aux fonctionnalités de profilage d'Amazon SageMaker

Consultez les notes de publication suivantes pour suivre les dernières mises à jour relatives aux fonctionnalités de profilage d'Amazon SageMaker.

21 mars 2024

Mises à jour monétaires

SageMaker Profiler a ajouté le support pour les versions PyTorch 2.2.0, v2.1.0 et v2.0.1.

AWS Deep Learning Containers préinstallés avec SageMaker Profiler

SageMaker Profiler est inclus dans les AWS Deep Learning Containers suivants.

14 décembre 2023

Mises à jour monétaires

SageMaker Profiler a ajouté le support pour la version TensorFlow 2.13.0.

Changements marquants

Cette version implique un changement radical. Le nom du package SageMaker Profiler Python est remplacé parsmppy. smprof Si vous utilisiez la version précédente du package alors que vous avez commencé à utiliser les derniers conteneurs SageMaker Framework TensorFlow répertoriés dans la section suivante, assurez-vous de mettre à jour le nom du package de smppy à smprof dans l'instruction d'importation de votre script d'entraînement.

AWS Deep Learning Containers préinstallés avec SageMaker Profiler

SageMaker Profiler est inclus dans les AWS Deep Learning Containers suivants.

Si vous utilisez les versions précédentes des conteneurs du framework tels que la TensorFlow version 2.11.0, le package Profiler SageMaker Python est toujours disponible sous le nom de. smppy Si vous ne savez pas quelle version ou quel nom de package vous devez utiliser, remplacez l'instruction d'importation du package SageMaker Profiler par l'extrait de code suivant.

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

24 août 2023

Nouvelles fonctionnalités

Nous avons lancé Amazon SageMaker Profiler, une fonctionnalité de profilage et de visualisation permettant d' SageMaker étudier en profondeur les ressources informatiques mises à disposition tout en développant des modèles de deep learning et d'obtenir une meilleure visibilité sur les détails opérationnels. SageMaker Profiler fournit des modules Python (smppy) permettant d'ajouter des annotations PyTorch ou d' TensorFlowentraîner des scripts et d'activer SageMaker le profileur. Vous pouvez accéder aux modules via le SDK SageMaker Python et les AWS Deep Learning Containers. Pour toutes les tâches exécutées avec les modules SageMaker Profiler Python, vous pouvez charger les données de profil dans l'application SageMaker Profiler UI qui fournit un tableau de bord récapitulatif et une chronologie détaillée. Pour en savoir plus, veuillez consulter la section Amazon SageMaker Profiler.

Cette version du package Python SageMaker Profiler est intégrée dans les conteneurs SageMaker Framework suivants pour PyTorch et TensorFlow.