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。
Amazon 除錯功能的版本資訊 SageMaker
請參閱下列版本說明，以追蹤 Amazon 偵錯功能的最新更新 SageMaker。
2023 年 12 月 21 日
新功能
發行了遠端除錯功能， SageMaker 這是一項新的除錯功能，可讓您存取訓練容器的殼層級。在此版本中，您可以登入 SageMaker ML 執行個體上執行的工作容器，藉此偵錯訓練任務。如需進一步了解，請參閱 通過訪問培訓容器進 AWS Systems Manager 行遠程調試。
2023 年 9 月 7 日
新功能
新增了一個新的公用程式模組 sagemaker.interactive_apps.tensorboard.TensorBoardApp，它提供了稱為 get_app_url() 的函數。此get_app_url()函數會產生未簽署或預先簽署的 URL，以便在 Amazon EC2 中的任何環境中 SageMaker 開啟 TensorBoard 應用程式。這是為了為工作室經典版和非工作室經典用戶提供統一的體驗。對於 Studio Classic 環境，您可以 TensorBoard 依原樣執行get_app_url()函數來開啟，或者也可以指定工作名稱，以便在 TensorBoard 應用程式開啟時開始追蹤。對於非 Studio 傳統版環境，您可以將網域資訊提供給公用程式功能來開啟 TensorBoard 。使用此功能，無論您在何處或如何執行訓練程式碼和啟動訓練工作，都可以透 TensorBoard 過在 Jupyter 筆記本或終端機中執行該get_app_url函數來直接存取。此功能可在開發套件 SageMaker Python 2.184.0 及更新版本中使用。如需詳細資訊，請參閱 如何訪 TensorBoard 問 SageMaker。
2023 年 4 月 4 日
新功能
SageMaker 使用發行 TensorBoard，託管所 TensorBoard 在的功能 SageMaker。 TensorBoard 可透過 SageMaker 網域以應用程式的形式使用，且 SageMaker訓練平台支援將 TensorBoard 輸出資料收集到 S3，並將其自動載入託管 TensorBoard 於 SageMaker。透過此功能，您可以在中執行使用 TensorBoard 摘要寫入器設定的訓練任務 SageMaker、將 TensorBoard輸出檔案儲存在 Amazon S3 中、直接從 SageMaker主控台開啟 TensorBoard 應用程式，以及使用實作到託管 TensorBoard 介面的 SageMaker Data Manager 外掛程式載入輸出檔案。您不需要在 SageMaker IDE 或本地計算機上 TensorBoard 手動安裝並在本地主機上。如需進一步了解，請參閱 用 TensorBoard 於偵錯和分析 Amazon 中的訓練任務 SageMaker。
2023 年 3 月 16 日
棄用備註
SageMaker 調試器棄用從 TensorFlow 2.11 和 2.0 開始的框架分析功能。 PyTorch 您仍可在舊版的架構和 SDK 中使用該功能，如下所示。
-
SageMaker Python 開發套件
-
PyTorch > = 版本 1.6.0，< 2.0 版
-
TensorFlow > = 第 2.3.1 版，
隨著棄用，調 SageMaker 試器也停止對以下三個ProfilerRules框架分析的支持。
2023 年 2 月 21 日
其他變更
-
XgBoost 報告索引標籤已從 SageMaker 偵錯工具的效能分析工具儀表板中移除。您仍可以透過將其下載為 Jupyter 筆記本或 HTML 檔案來存取 XGBoost 報告。如需詳細資訊，請參閱SageMaker 偵錯工具 XGBoost 訓練報告。
-
從此版本開始，預設為不會啟用內建剖析工具規則。若要使用偵錯程式分析 SageMaker 工具規則來偵測特定的運算問題，您需要在設定 SageMaker 訓練工作啟動器時新增規則。
2020 年 12 月 1 日
Amazon SageMaker 調試器在 RE：發明 2020 上推出了深度分析功能。
2019 年 12 月 3 日
Amazon SageMaker 調試器最初在 RE 推出:發明 2019.
