Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Awas
Untuk mendukung Amazon SageMaker Profiler, SageMaker Debugger menghentikan fitur pembuatan profil kerangka kerja mulai dari 2.11 dan 2.0. TensorFlow PyTorch Anda masih dapat menggunakan fitur ini di versi kerangka kerja sebelumnya dan SDKs sebagai berikut.
-
SageMaker Python <= v2.130.0 SDK
-
PyTorch >= v1.6.0, < v2.0
-
TensorFlow >= v2.3.1, < v2.11
Lihat juga 16 Maret 2023.
Untuk mengaktifkan pembuatan profil kerangka kerja Debugger, konfigurasikan framework_profile_params
parameter saat Anda membuat estimator. Pemprofilan kerangka kerja debugger mengumpulkan metrik kerangka kerja, seperti data dari tahap inisialisasi, proses pemuat data, operator Python dari kerangka kerja pembelajaran mendalam dan skrip pelatihan, profil terperinci di dalam dan di antara langkah-langkah, dengan atau opsi Pyinstrument. cProfile Menggunakan FrameworkProfile
kelas, Anda dapat mengonfigurasi opsi pembuatan profil kerangka kustom.
catatan
Sebelum memulai dengan pembuatan profil kerangka kerja Debugger, verifikasi bahwa kerangka kerja yang digunakan untuk membangun model Anda didukung oleh Debugger untuk pembuatan profil kerangka kerja. Untuk informasi selengkapnya, lihat Kerangka kerja dan algoritma yang didukung.
Debugger menyimpan metrik kerangka kerja dalam bucket S3 default. Format bucket S3 default URI adalahs3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/
.