Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Catatan rilis untuk kemampuan debugging Amazon SageMaker
Lihat catatan rilis berikut untuk melacak pembaruan terbaru untuk kemampuan debugging Amazon SageMaker.
21 Desember 2023
Fitur baru
Merilis fungsionalitas debugging jarak jauh, kemampuan debugging baru SageMaker yang memberi Anda akses tingkat shell ke wadah pelatihan. Dengan rilis ini, Anda dapat men-debug pekerjaan pelatihan dengan masuk ke wadah pekerjaan yang berjalan pada instance SageMaker HTML. Untuk mempelajari selengkapnya, lihat Akses wadah pelatihan AWS Systems Manager untuk debugging jarak jauh.
7 September 2023
Fitur baru
Ditambahkan modul utilitas baru sagemaker.interactive_apps.tensorboard.TensorBoardApp yang menyediakan fungsi yang disebutget_app_url(). get_app_url()Fungsi ini menghasilkan URL yang tidak ditandatangani atau ditetapkan sebelumnya untuk membuka TensorBoard aplikasi di lingkungan apa pun di atau Amazon SageMaker EC2. Ini untuk memberikan pengalaman terpadu bagi pengguna Studio Classic dan non-Studio Classic. Untuk lingkungan Studio Classic, Anda dapat membuka TensorBoard dengan menjalankan get_app_url() fungsi apa adanya, atau Anda juga dapat menentukan nama pekerjaan untuk mulai melacak saat TensorBoard aplikasi terbuka. Untuk lingkungan non-Studio Classic, Anda dapat membuka TensorBoard dengan memberikan informasi domain Anda ke fungsi utilitas. Dengan fungsi ini, terlepas dari di mana atau bagaimana Anda menjalankan kode pelatihan dan meluncurkan pekerjaan pelatihan, Anda dapat langsung mengakses TensorBoard dengan menjalankan get_app_url fungsi di notebook atau terminal Jupyter Anda. Fungsionalitas ini tersedia di SageMaker Python SDK v2.184.0 dan yang lebih baru. Untuk informasi selengkapnya, lihat Cara mengakses TensorBoard di SageMaker.
4 April 2023
Fitur baru
Dirilis SageMaker dengan TensorBoard, kemampuan yang menjadi tuan rumah TensorBoard SageMaker. TensorBoard tersedia sebagai aplikasi melalui SageMaker domain, dan platform SageMaker Pelatihan mendukung pengumpulan data TensorBoard keluaran ke S3 dan memuatnya secara otomatis ke host TensorBoard di SageMaker. Dengan kemampuan ini, Anda dapat menjalankan pekerjaan pelatihan yang disiapkan dengan penulis TensorBoard ringkasan SageMaker, menyimpan file TensorBoard output di Amazon S3, membuka TensorBoard aplikasi langsung dari SageMaker konsol, dan memuat file output menggunakan plugin Pengelola SageMaker Data yang diimplementasikan ke antarmuka yang dihosting TensorBoard . Anda tidak perlu menginstal TensorBoard secara manual dan meng-host secara lokal di SageMaker IDE atau mesin lokal. Untuk mempelajari selengkapnya, lihat Gunakan TensorBoard untuk men-debug dan menganalisis pekerjaan pelatihan di Amazon SageMaker.
16 Maret 2023
Catatan penghentian
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 dan SDK sebelumnya sebagai berikut.
-
SageMaker Python SDK <= v2.130.0
-
PyTorch >= v1.6.0, < v2.0
-
TensorFlow >= v2.3.1, < v2.11
Dengan penghentian, SageMaker Debugger juga menghentikan dukungan untuk tiga berikut untuk pembuatan profil kerangka kerja. ProfilerRules
21 Februari 2023
Perubahan lainnya
-
Tab laporan XGBoost telah dihapus dari dasbor profiler SageMaker Debugger. Anda masih dapat mengakses laporan XGBoost dengan mengunduhnya sebagai notebook Jupyter atau file HTML. Untuk informasi selengkapnya, lihat Laporan Pelatihan SageMaker Debugger XGBoost.
-
Mulai dari rilis ini, aturan profiler bawaan tidak diaktifkan secara default. Untuk menggunakan aturan SageMaker profiler Debugger untuk mendeteksi masalah komputasi tertentu, Anda perlu menambahkan aturan saat mengonfigurasi peluncur pekerjaan pelatihan. SageMaker
1 Desember 2020
Amazon SageMaker Debugger meluncurkan fitur profil mendalam di re:Invent 2020.
3 Desember 2019
Amazon SageMaker Debugger awalnya diluncurkan di re:Invent 2019.
