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

# 지원되는 프레임워크 및 알고리즘
<a name="debugger-supported-frameworks"></a>

다음 표는 Debugger에서 지원하는 SageMaker AI 기계 학습 프레임워크 및 알고리즘을 보여줍니다.


| 
| 
| **SageMaker AI-supported frameworks and algorithms** |  **Debugging output tensors**  | 
| --- |--- |
|  [TensorFlow](https://sagemaker.readthedocs.io/en/stable/using_tf.html)   |  [AWS TensorFlow 딥 러닝 컨테이너](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#general-framework-containers) 1.15.4 이상  | 
|  [PyTorch](https://sagemaker.readthedocs.io/en/stable/using_pytorch.html)  |  [AWS PyTorch 딥 러닝 컨테이너](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#general-framework-containers) 1.5.0 이상  | 
|  [MXNet](https://sagemaker.readthedocs.io/en/stable/using_mxnet.html)   |  [AWS MXNet 딥 러닝 컨테이너](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#general-framework-containers) 1.6.0 이상  | 
|  [XGBoost](https://sagemaker.readthedocs.io/en/stable/frameworks/xgboost/using_xgboost.html)  |  1.0-1, 1.2-1, 1.3-1  | 
|  [SageMaker AI 일반 예측기](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html)  |  [사용자 지정 훈련 컨테이너](debugger-bring-your-own-container.md)(수동 후크 등록을 통해 TensorFlow, PyTorch, MXNet 및 XGBoost에서 사용 가능)  | 
+ **출력 텐서 디버깅** - 훈련 작업의 가중치, 그라데이션, 편향, 스칼라 값 등 모델 파라미터를 추적하고 디버깅합니다. 사용 가능한 딥 러닝 프레임워크는 Apache MXNet, TensorFlow, PyTorch 및 XGBoost입니다.
**중요**  
Keras를 포함하는 TensorFlow 프레임워크에서는 SageMaker Debugger가 TensorFlow 2.6 이상의 `tf.keras` 모듈을 사용하여 빌드된 모델의 디버깅에 대한 제로 코드 변경 지원을 중단합니다. 이는 [TensorFlow 2.6.0 릴리스 정보](https://github.com/tensorflow/tensorflow/releases/tag/v2.6.0)를 통해 공지된 주요 변경 사항 때문입니다. 훈련 스크립트를 업데이트하는 방법에 대한 지침은 [TensorFlow 훈련 스크립트 조정](debugger-modify-script-tensorflow.md)을(를) 참조하세요.
**중요**  
SageMaker Debugger는 PyTorch v1.12.0 이상부터 모델 디버깅에 대한 제로 코드 변경 지원을 중단합니다.  
이는 SageMaker Debugger가 `torch.jit` 기능을 저해하게 만든 주요 변경 사항 때문입니다. 훈련 스크립트를 업데이트하는 방법에 대한 지침은 [PyTorch 훈련 스크립트 조정](debugger-modify-script-pytorch.md)을(를) 참조하세요.

훈련시키고 디버깅할 프레임워크 또는 알고리즘이 표에 명시되지 않은 경우, [AWS 토론 포럼](https://forums.aws.amazon.com/)으로 이동하여 SageMaker Debugger에 대한 피드백을 남겨 주세요.

## AWS 리전
<a name="debugger-support-aws-regions"></a>

Amazon SageMaker Debugger는 다음 리전을 제외하고 Amazon SageMaker AI가 서비스 중인 모든 리전에서 사용 가능합니다.
+ 아시아 태평양(자카르타): `ap-southeast-3`

Amazon SageMaker AI가에서 사용 중인지 확인하려면 [AWS 리전 서비스를](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) AWS 리전참조하세요.

## 사용자 지정 훈련 컨테이너로 Debugger 사용용
<a name="debugger-byoc-intro"></a>

훈련 컨테이너를 SageMaker AI로 가져와서 Debugger를 사용해 훈련 작업에 대한 인사이트를 확보합니다. 모니터링 및 디버깅 기능을 사용하여 Amazon EC2 인스턴스에 대해 모델을 최적화함으로써 작업 효율을 최대화하세요.

`sagemaker-debugger` 클라이언트 라이브러리로 훈련 컨테이너를 빌드하고, 이 컨테이너를 Amazon ECR(Amazon Elastic Container Registry)로 푸시하여 모니터링 및 디버깅하는 방법에 대한 자세한 내용은 [사용자 지정 훈련 컨테이너로 Debugger 사용](debugger-bring-your-own-container.md)을(를) 참조하세요.

## Debugger 오픈 소스 GitHub 리포지토리
<a name="debugger-opensource"></a>

Debugger API는 SageMaker Python SDK를 통해 제공되며, SageMaker AI [CreateTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 및 [DescribeTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingJob.html) API 작업에 필요한 Debugger 후크 및 규칙 구성을 구문화하도록 설계되었습니다. `sagemaker-debugger` 클라이언트 라이브러리는 유연하고 강력한 API 연산을 통해 *평가* 기능으로 *후크*를 등록하고 훈련 데이터에 액세스할 수 있는 도구를 제공합니다. 또한 Python 3.6 이상에 대해 기계 학습 프레임워크인 TensorFlow, PyTorch, MXNet 및 XGBoost를 지원합니다.

Debugger 및 `sagemaker-debugger` API 연산에 관한 직접적인 리소스는 다음 링크를 참조하세요.
+ [Amazon SageMaker Python SDK 설명서](https://sagemaker.readthedocs.io/en/stable/amazon_sagemaker_debugger.html)
+ [Amazon SageMaker Python SDK - Debugger API](https://sagemaker.readthedocs.io/en/stable/api/training/debugger.html)
+ [Amazon SageMaker Debugger 오픈 소스 클라이언트 라이브러리](https://github.com/awslabs/sagemaker-debugger#amazon-sagemaker-debugger)용 [`sagemaker-debugger` Python SDK 설명서](https://sagemaker-debugger.readthedocs.io/en/website/index.html)
+ [`sagemaker-debugger` PyPI](https://pypi.org/project/smdebug/)

Java용 SDK를 사용하여 SageMaker 훈련 작업을 수행하고 Debugger API를 구성하려는 경우, 다음 참조를 참조하세요.
+ [Amazon SageMaker Debugger API](debugger-reference.md#debugger-apis)
+ [SageMaker API를 사용한 Debugger 구성](debugger-createtrainingjob-api.md)