Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
avvertimento
A favore di Amazon SageMaker Profiler, SageMaker AI Debugger depreca la funzionalità di profilazione del framework a partire dalla versione 2.11 e 2.0. TensorFlow PyTorch Puoi comunque utilizzare la funzionalità nelle versioni precedenti dei framework e come segue. SDKs
-
SageMaker Python SDK <= v2.130.0
-
PyTorch >= v1.6.0, < v2.0
-
TensorFlow >= v2.3.1, < v2.1
Consulta anche 16 marzo 2023.
Per abilitare la profilazione del framework di Debugger, configura il parametro quando costruisci uno strumento di valutazione framework_profile_params. La profilazione del framework di Debugger raccoglie i parametri del framework, come i dati della fase di inizializzazione, i processi di caricamento dei dati, gli operatori Python dei framework di deep learning e gli script di addestramento, la profilazione dettagliata all'interno e tra le fasi, con le opzioni cProfile o Pyinstrument. Utilizzando la classe FrameworkProfile, è possibile configurare opzioni di profilazione del framework personalizzate.
Nota
Prima di iniziare con la profilazione del framework di Debugger, verifica che il framework utilizzato per creare il modello sia supportato da Debugger per la profilazione del framework. Per ulteriori informazioni, consulta Framework e algoritmi supportati.
Debugger salva i parametri del framework nel bucket S3 predefinito. Il formato dell'URI del bucket S3 predefinito è s3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/.
Argomenti
