Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Konfigurasi estimator untuk profil kerangka kerja
catatan
Pemberitahuan akhir dukungan: Pada 30 Juni 2027, dukungan untuk Amazon SageMaker Profiler AWS akan berakhir. Setelah 30 Juni 2027, Anda tidak akan lagi dapat mengakses konsol Profiler atau sumber daya Profiler. Untuk informasi selengkapnya, lihat Perubahan ketersediaan profiler.
Awas
Untuk mendukung Amazon SageMaker Profiler, SageMaker AI Debugger menghentikan fitur pembuatan profil kerangka kerja mulai dari TensorFlow 2.11 dan 2.0. PyTorch Anda masih dapat menggunakan fitur ini di versi kerangka kerja dan SDK sebelumnya sebagai berikut.
-
SageMaker SDK Python <= v2.130.0
-
PyTorch > = v1.6.0, < v2.0
-
TensorFlow >= v2.3.1, < v2.11
Lihat juga 16 Maret 2023.
Untuk mengaktifkan pembuatan profil kerangka Debugger, konfigurasikan framework_profile_params parameter saat Anda membuat estimator. Pembuatan profil 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 opsi CProfile atau Pyinstrument. Dengan menggunakan FrameworkProfile kelas, Anda dapat mengonfigurasi opsi pembuatan profil kerangka khusus.
catatan
Sebelum memulai dengan pembuatan profil kerangka 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 URI bucket S3 default adalahs3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/.
Topik
