View a markdown version of this page

images de cadre prises en charge, Régions AWS, et types d'instances - Amazon SageMaker AI

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.

images de cadre prises en charge, Régions AWS, et types d'instances

Note

Avis de fin de support : le 30 juin 2027, le support d'Amazon SageMaker Profiler AWS prendra fin. Après le 30 juin 2027, vous ne pourrez plus accéder à la console Profiler ni aux ressources du Profiler. Pour de plus amples informations, veuillez consulter Modification de la disponibilité du profileur.

Cette fonctionnalité prend en charge les cadres de machine learning et les Régions AWS suivants.

Note

Pour utiliser cette fonctionnalité, assurez-vous d'avoir installé la version 2.180.0 ou ultérieure du SDK SageMaker Python.

SageMaker Images du framework AI préinstallées avec Profiler SageMaker

SageMaker Profiler est préinstallé dans les conteneurs AWS Deep Learning suivants pour SageMaker l'IA.

PyTorch images

PyTorch versions AWS URI de l'image DLC
2.2.0

763104351884.dkr.ecr. <region>. amazon. com/pytorch-entraînement : 2.2.0-gpu-py310-cu121-ubuntu20.04 - sagemaker

2.1.0

763104351884.dkr.ecr. <region>. amazon. com/pytorch-entraînement : 2.1.0-gpu-py310-cu121-ubuntu20.04 - sagemaker

2.0.1

763104351884.dkr.ecr. <region>. amazon. com/pytorch-entraînement : 2.0.1-gpu-py310-cu118-ubuntu20.04-sagemaker

763104351884.dkr.ecr. <region>. amazon. com/pytorch-entraînement : 2.0.1-gpu-py310-cu121-ubuntu20.04 - sagemaker

1.13.1

763104351884.dkr.ecr. <region>. amazon. com/pytorch-entraînement : 1.13.1-gpu-py39-cu117-ubuntu20.04 - sagemaker

TensorFlow images

TensorFlow versions AWS URI de l'image DLC
2.13.0

763104351884.dkr.ecr. <region>. amazon. com/tensorflow-entraînement : 2.13.0-gpu-py310-cu118 - ubuntu20.04 - sagemaker

2.12.0

763104351884.dkr.ecr. <region>. amazon. com/tensorflow-entraînement : 2.12.0-gpu-py310-cu118 - ubuntu20.04 - sagemaker

2.11.0

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

Important

La distribution et la maintenance des conteneurs du framework dans les tableaux précédents sont régies par la politique de support du framework gérée par le service AWS Deep Learning Containers. Nous vous recommandons vivement de passer aux versions du cadre actuellement prises en charge si vous utilisez des versions antérieures du cadre qui ne sont plus prises en charge.

Note

Si vous souhaitez utiliser SageMaker Profiler pour d'autres images de framework ou pour vos propres images Docker, vous pouvez installer SageMaker Profiler à l'aide des fichiers binaires du package Python de SageMaker Profiler fournis dans la section suivante.

SageMaker Fichiers binaires du package Python Profiler

Si vous souhaitez configurer votre propre conteneur Docker, utiliser SageMaker Profiler dans d'autres conteneurs prédéfinis pour PyTorch et TensorFlow, ou installer le package Python SageMaker Profiler localement, utilisez l'un des fichiers binaires suivants. En fonction des versions de Python et CUDA dans votre environnement, choisissez l’une des options suivantes.

PyTorch

TensorFlow

Pour plus d'informations sur l'installation de SageMaker Profiler à l'aide des fichiers binaires, consultez(Facultatif) Installez le package Python SageMaker Profiler.

Pris en charge Régions AWS

SageMaker Le profileur est disponible dans les versions suivantes Régions AWS.

  • USA Est (Virginie du Nord) (us-east-1)

  • USA Est (Ohio) (us-east-2)

  • USA Ouest (Oregon) (us-west-2)

  • Europe (Francfort) (eu-central-1)

  • Europe (Irlande) (eu-west-1)

Types d’instance pris en charge

SageMaker Profiler prend en charge le profilage des tâches de formation sur les types d'instances suivants.

Profilage du CPU et du GPU

  • ml.g4dn.12xlarge

  • ml.g5.24xlarge

  • ml.g5.48xlarge

  • ml.p3dn.24xlarge

  • ml.p4de.24xlarge

  • ml.p4d.24xlarge

  • ml.p5.48xlarge

Profilage du GPU uniquement

  • ml.g5.2xlarge

  • ml.g5.4xlarge

  • ml.g5.8xlarge

  • ml.g5.16.xlarge