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.
Framework e algoritmi supportati
Nota
Amazon SageMaker Debugger non è più aperto a nuovi clienti. I clienti esistenti possono continuare a utilizzare il servizio normalmente. AWS continua a investire in miglioramenti della sicurezza e della disponibilità di Debugger, ma non prevediamo di introdurre nuove funzionalità. Per ulteriori informazioni, consulta Modifica della disponibilità del debugger.
La tabella seguente mostra i framework e gli algoritmi di machine learning SageMaker AI supportati da Debugger.
| SageMaker AI-supported frameworks and algorithms | Debugging output tensors |
|---|---|
|
AWS TensorFlow contenitori di deep learning 1.15.4 o versioni successive |
|
|
AWS PyTorch contenitori di deep learning |
|
|
AWS Contenitori di deep learning MXNet |
|
|
1.0-1, 1.2-1, 1.3-1 |
|
|
Contenitori di formazione personalizzati (disponibili per TensorFlow PyTorch, MXNet e XGBoost con registrazione manuale degli hook) |
-
Debug dei tensori di output: monitora ed esegui il debug dei parametri del modello, come pesi, gradienti, distorsioni e valori scalari, del tuo processo di addestramento. I framework di deep learning disponibili sono Apache MXNet,, e XGBoost. TensorFlow PyTorch
Importante
Per il TensorFlow framework con Keras, SageMaker Debugger depreca il supporto alla modifica del codice zero per i modelli di debug creati utilizzando i moduli della 2.6 e versioni successive.
tf.kerasTensorFlow Ciò è dovuto alle importanti modifiche annunciate nella nota di rilascio 2.6.0. TensorFlowPer istruzioni su come aggiornare lo script di addestramento, consulta Adatta il tuo script di formazione TensorFlow. Importante
A partire dalla PyTorch versione 1.12.0 e successive, SageMaker Debugger elimina il supporto per la modifica del codice zero per i modelli di debug.
Ciò è dovuto a modifiche sostanziali che fanno sì che Debugger interferisca con la funzionalità. SageMaker
torch.jitPer istruzioni su come aggiornare lo script di addestramento, consulta Adatta il tuo script di formazione PyTorch.
Se il framework o l'algoritmo che desideri addestrare ed eseguire il debug non è elencato nella tabella, vai al forum di AWS discussione
Regioni AWS
Amazon SageMaker Debugger è disponibile in tutte le regioni in cui Amazon SageMaker AI è in servizio, ad eccezione della seguente regione.
Asia Pacifico (Giacarta):
ap-southeast-3
Per scoprire se Amazon SageMaker AI è in servizio nel tuo Regione AWS, consulta AWS Regional Services.
Uso di Debugger con container di addestramento personalizzati
Porta i tuoi contenitori di formazione all' SageMaker intelligenza artificiale e ottieni informazioni dettagliate sui tuoi lavori di formazione utilizzando Debugger. Massimizza la tua efficienza lavorativa ottimizzando il tuo modello sulle istanze Amazon EC2 utilizzando le funzionalità di monitoraggio e debug.
Per ulteriori informazioni su come creare un container di addestramento con la libreria client sagemaker-debugger, inviarlo ad Amazon Elastic Container Registry (Amazon ECR) e monitorare ed eseguire il debug, consulta Utilizzo di Debugger con container di addestramento personalizzati.
Debugger Repository Open-Source GitHub
Le API Debugger vengono fornite tramite SageMaker Python SDK e progettate per creare configurazioni di hook e regole di Debugger per le operazioni di IA e API. SageMaker CreateTrainingJob DescribeTrainingJob La libreria client sagemaker-debugger fornisce strumenti per registrare gli hook e accedere ai dati di addestramento tramite la sua funzionalità di prova, il tutto tramite le sue operazioni API flessibili e potenti. Supporta i framework di machine learning, MXNet e XGBoost su Python 3.6 e versioni TensorFlow successive PyTorch.
Per risorse dirette su Debugger e sulle operazioni API sagemaker-debugger, consulta i collegamenti seguenti:
Se utilizzi l'SDK per Java per svolgere attività di SageMaker formazione e desideri configurare le API Debugger, consulta i seguenti riferimenti:
