기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
프레임워크 프로파일링을 위한 추정기 구성
주의
Amazon SageMaker Profiler SageMaker에 유리하게 Debugger는 TensorFlow 2.11 및 PyTorch 2.0부터 프레임워크 프로파일링 기능을 사용하지 않습니다. 다음과 SDKs 같이 이전 버전의 프레임워크 및 에서 기능을 계속 사용할 수 있습니다.
-
SageMaker Python SDK <= v2.130.0
-
PyTorch >= v1.6.0, < v2.0
-
TensorFlow >= v2.3.1, < v2.11
또한 2023년 3월 16일 단원도 참조하세요.
디버거 프레임워크 프로파일링을 활성화하려면 예측기를 구성할 때 framework_profile_params 파라미터를 구성하세요. Debugger 프레임워크 프로파일링은 초기화 단계의 데이터, 데이터 로더 프로세스, 딥 러닝 프레임워크 및 훈련 스크립트의 Python 연산자, cProfile 또는 Pyinstrument 옵션을 사용하여 단계 내 및 단계 간 세부 프로파일링과 같은 프레임워크 지표를 수집합니다. FrameworkProfile 클래스를 사용하여 사용자 지정 프레임워크 프로파일링 옵션을 구성할 수 있습니다.
참고
디버거 프레임워크 프로파일링을 시작하기 전에 모델 빌드에 사용되는 프레임워크가 디버거에서 프레임워크 프로파일링을 지원하는지 확인하세요. 자세한 내용은 지원되는 프레임워크 및 알고리즘 단원을 참조하십시오.
디버거는 프레임워크 지표를 기본 S3 버킷에 저장합니다. 기본 S3 버킷의 형식은 URI입니다s3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/.
주제
