翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# Amazon SageMaker AI のデバッグ機能に関するリリースノート
Amazon SageMaker AI のデバッグ機能に関する最新のアップデートについては、以下のリリースノートをご覧ください。
## 2023 年 12 月 21 日
**新しい特徴**
リモートデバッグ機能をリリースしました。これは、SageMaker AI の新しいデバッグ機能で、トレーニングコンテナへのシェルレベルのアクセスを提供します。このリリースにより、SageMaker AI の ML インスタンス上で実行されているジョブコンテナにログインすることで、トレーニングジョブをデバッグできるようになります。詳細については[リモートデバッグ AWS Systems Manager のために からトレーニングコンテナにアクセスする](train-remote-debugging.md)を参照してください。
## 2023 年 9 月 7 日
**新しい特徴**
`get_app_url()` という関数を提供する新しいユーティリティモジュール `sagemaker.interactive_apps.tensorboard.TensorBoardApp` が追加されました。`get_app_url()` 関数は、SageMaker AI または Amazon EC2 の任意の環境で TensorBoard アプリケーションを開くために、署名なし URL または署名済み URL を生成します。これは Studio Classic ユーザーと Studio Classic 以外のユーザーの両方に統一されたエクスペリエンスを提供するためです。Studio Classic 環境では、`get_app_url()` 関数をそのまま実行して TensorBoard を開くことも、TensorBoard アプリケーションが開くときに追跡を開始するジョブ名を指定することもできます。Studio Classic 以外の環境では、ドメイン情報をユーティリティ関数に提供することで TensorBoard を開くことができます。この機能を使用すると、トレーニングコードを実行してトレーニングジョブを起動する場所や方法に関係なく、Jupyter Notebook またはターミナルで `get_app_url` 関数を実行することで TensorBoard に直接アクセスできます。この機能は SageMaker Python SDK v2.184.0 以降で利用できます。詳細については、「[SageMaker AI での TensorBoard アプリケーションへのアクセス](debugger-htb-access-tb.md)」を参照してください。
## 2023 年 4 月 4 日
**新しい特徴**
SageMaker AI 上で TensorBoard をホストする機能である SageMaker AI with TensorBoard をリリースしました。TensorBoard は SageMaker AI ドメインを通じてアプリケーションとして使用でき、SageMaker AI トレーニングプラットフォームは、TensorBoard 出力データを S3 に収集し、それらを SageMaker AI 上でホストされている TensorBoard に自動的に読み込むことをサポートしています。この機能により、SageMaker AI の TensorBoard サマリーライターで設定したトレーニングジョブを実行したり、TensorBoard 出力ファイルを Amazon S3 に保存したり、TensorBoard アプリケーションを SageMaker AI コンソールから直接開いたり、ホストされている TensorBoard インターフェイスに実装されている SageMaker AI データマネージャープラグインを使用して出力ファイルを読み込んだりすることができます。TensorBoard の手動インストールや、SageMaker AI IDE またはローカルマシンでローカルにホストする必要はありません。詳細については[Amazon SageMaker AI の TensorBoard](tensorboard-on-sagemaker.md)を参照してください。
## 2023 年 3 月 16 日
**廃止に関するメモ**
SageMaker Debugger は TensorFlow 2.11 および PyTorch 2.0 以降のフレームワークプロファイリング機能を廃止します。以前のバージョンのフレームワークおよび SDK では、次のようにこの機能を引き続き使用できます。
+ SageMaker Python SDK <= v2.130.0
+ PyTorch >= v1.6.0、< v2.0
+ TensorFlow >= v2.3.1、< v2.11
廃止に伴い、SageMaker Debugger はフレームワークプロファイリング用の次の 3 つの `ProfilerRules` のサポートも終了します。
+ [MaxInitializationTime](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#max-initialization-time)
+ [OverallFrameworkMetrics](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#overall-framework-metrics)
+ [StepOutlier](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#step-outlier)
## 2023 年 2 月 21 日
**その他の変更**
+ XGBoost レポートタブは SageMaker Debugger のプロファイラーダッシュボードから削除されました。XGBoost レポートは Jupyter Notebook または HTML ファイルとしてダウンロードすることで引き続きアクセスできます。詳細については、「[SageMaker Debugger XGBoost Training Report](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-report-xgboost.html)」を参照してください。
+ このリリース以降、ビルトインのプロファイラールールはデフォルトでは有効になっていません。SageMaker Debugger プロファイラールールを使用して特定の計算上の問題を検出するには、SageMaker トレーニングジョブランチャーの設定時にルールを追加する必要があります。
## 2020 年 12 月 1 日
Amazon SageMaker Debugger は、re:Invent 2020 でディーププロファイリング機能をリリースしました。
## 2019 年 12 月 3 日
Amazon SageMaker Debugger は、re:Invent 2019 で最初にリリースされました。