本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 架構分析的估算器組態
<a name="debugger-configure-framework-profiling"></a>

**警告**  
為了使用 [Amazon SageMaker Profiler](train-use-sagemaker-profiler.md)，SageMaker AI Debugger 會從 TensorFlow 2.11 和 PyTorch 2.0 開始棄用架構分析功能。您仍然可以在舊版本的架構和開發套件中使用該功能，如下所示。  
SageMaker Python SDK <= v2.130.0
PyTorch >= v1.6.0, < v2.0
TensorFlow >= v2.3.1, < v2.11
另請參閱[2023 年 3 月 16 日](debugger-release-notes.md#debugger-release-notes-20230315)。

若要啟用偵錯工具架構設定，請在建構估算器時設定 `framework_profile_params` 參數。偵錯工具架構分析使用 cProfile 或 Pyinstrument 選項收集架構指標，例如初始化階段的資料、資料載入器程序、深度學習架構和訓練指令碼的 Python 運算子、在各步驟內及步驟之間的詳細分析。使用 `FrameworkProfile` 類別，您可以設定自訂架構分析選項。

**注意**  
在開始使用偵錯工具架構分析之前，請先驗證偵錯工具是否支援用於建立模型的框架進行框架分析。如需詳細資訊，請參閱[支援的架構和演算法](debugger-supported-frameworks.md)。  
偵錯工具會將架構指標儲存在預設 S3 儲存貯體中。預設 S3 儲存貯體 URI 的格式為 `s3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/`。

**Topics**
+ [預設架構分析](debugger-configure-framework-profiling-basic.md)
+ [預設系統監控和針對目標步驟或目標時間範圍的自訂架構分析](debugger-configure-framework-profiling-range.md)
+ [預設系統監控和使用不同分析選項的自訂架構分析](debugger-configure-framework-profiling-options.md)