기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon의 디버깅 기능에 대한 릴리스 정보 SageMaker

Amazon 의 디버깅 기능에 대한 최신 업데이트를 추적하려면 다음 릴리스 정보를 참조하세요 SageMaker.

2023년 12월 21일

새로운 기능

의 새로운 디버깅 기능인 원격 디버깅 기능을 릴리스하여 훈련 컨테이너에 대한 쉘 수준의 액세스를 SageMaker 제공합니다. 이번 릴리스에서는 SageMaker ML 인스턴스에서 실행되는 작업 컨테이너에 로그인하여 훈련 작업을 디버깅할 수 있습니다. 자세한 내용은 원격 디버깅을 AWS Systems Manager 위해 교육 컨테이너에 액세스을 참조하십시오.

2023년 9월 7일

새로운 기능

get_app_url()이라는 함수를 제공하는 새 유틸리티 모듈 sagemaker.interactive_apps.tensorboard.TensorBoardApp이 추가되었습니다. get_app_url() 함수는 서명되지 않았거나 미리 서명된 를 생성URLs하여 SageMaker 또는 Amazon 의 모든 환경에서 TensorBoard 애플리케이션을 엽니다EC2. 이는 Studio Classic 사용자와 비 Studio Classic 사용자 모두에게 통합된 환경을 제공하기 위한 것입니다. Studio Classic 환경의 경우 get_app_url() 함수를 그대로 실행 TensorBoard 하여 를 열거나 TensorBoard 애플리케이션이 열릴 때 추적을 시작할 작업 이름을 지정할 수도 있습니다. Studio Classic이 아닌 환경의 경우 유틸리티 함수에 도메인 정보를 TensorBoard 제공하여 를 열 수 있습니다. 이 기능을 사용하면 훈련 코드를 실행하고 훈련 작업을 시작하는 장소나 방법에 관계없이 Jupyter 노트북 또는 터미널에서 get_app_url 함수를 실행 TensorBoard 하여 에 직접 액세스할 수 있습니다. 이 기능은 SageMaker Python SDK v2.184.0 이상에서 사용할 수 있습니다. 자세한 내용은 에서 TensorBoard 애플리케이션 액세스 SageMaker 단원을 참조하십시오.

2023년 4월 4일

새로운 기능

TensorBoard 에서 호스팅하는 기능 TensorBoard인 와 SageMaker 함께 릴리스되었습니다 SageMaker. TensorBoard 는 SageMaker 도메인을 통해 애플리케이션으로 사용할 수 있으며 SageMaker, 훈련 플랫폼은 S3에 대한 TensorBoard 출력 데이터 수집을 지원하고 TensorBoard 에서 호스팅되는 에 자동으로 로드합니다 SageMaker. 이 기능을 사용하면 에서 TensorBoard 요약 작성자로 설정된 훈련 작업을 실행하고 SageMaker, Amazon S3에 출력 파일을 저장 TensorBoard하고, 콘솔에서 SageMaker 직접 TensorBoard 애플리케이션을 열고, 호스팅 TensorBoard 인터페이스에 구현된 SageMaker Data Manager 플러그인을 사용하여 출력 파일을 로드할 수 있습니다. 또는 로컬 시스템에 TensorBoard 수동으로 를 SageMaker IDEs 설치하고 로컬에서 호스팅할 필요가 없습니다. 자세한 내용은 TensorBoard Amazon에서 SageMaker을 참조하십시오.

2023년 3월 16일

사용 중단으로 SageMaker 인해Debugger는 ProfilerRules 프레임워크 프로파일링에 대한 다음 세 가지 지원도 중단합니다.

2023년 2월 21일

2020년 12월 1일

Amazon SageMaker Debugger는 re:Invent 2020에서 딥 프로파일링 기능을 시작했습니다.

2019년 12월 3일

Amazon SageMaker Debugger는 re:Invent 2019에서 처음 출시되었습니다.