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。
此功能支援下列機器學習架構和 AWS 區域。
注意
若要使用此功能，請確定您已安裝 SageMaker Python SDK 2.180.0 版
預先安裝 SageMaker Profiler 的 SageMaker AI 架構映像
SageMaker Profiler 已預先安裝在下列AWS 適用於 SageMaker AI 的深度學習容器
PyTorch 映像
| PyTorch 版本 | AWS DLC 映像 URI |
|---|---|
| 2.2.0 |
|
| 2.1.0 |
|
| 2.0.1 |
|
| 1.13.1 |
|
TensorFlow 映像
| TensorFlow 版本 | AWS DLC 映像 URI |
|---|---|
| 2.13.0 |
|
| 2.12.0 |
|
| 2.11.0 |
|
注意
如果您想要將 SageMaker Profiler 用於其他架構映像或您自己的 Docker 映像，您可以使用下一節提供的 SageMaker Profiler Python 套件二進位檔案來安裝 SageMaker Profiler。
SageMaker Profiler Python 套件二進位檔案
如果您想要設定自己的 Docker 容器，請在 PyTorch 和 TensorFlow 的其他預先建置容器中使用 SageMaker Profiler，或在本機安裝 SageMaker Profiler Python 套件，請使用下列其中一個二進位檔案。根據環境中的 Python 和 CUDA 版本，選擇下列其中一項。
PyTorch
-
Python3.8、CUDA 11.3：
https://smppy.s3.amazonaws.com/pytorch/cu113/smprof-0.3.334-cp38-cp38-linux_x86_64.whl -
Python3.9、CUDA 11.7：
https://smppy.s3.amazonaws.com/pytorch/cu117/smprof-0.3.334-cp39-cp39-linux_x86_64.whl -
Python3.10、CUDA 11.8：
https://smppy.s3.amazonaws.com/pytorch/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl -
Python3.10、CUDA 12.1：
https://smppy.s3.amazonaws.com/pytorch/cu121/smprof-0.3.334-cp310-cp310-linux_x86_64.whl
TensorFlow
如需如何使用二進位檔案安裝 SageMaker Profiler 的詳細資訊，請參閱（選用） 安裝 SageMaker Profiler Python 套件。
支援的 AWS 區域
SageMaker Profiler 可在下列內容中使用 AWS 區域。
-
美國東部 (維吉尼亞北部) (
us-east-1) -
美國東部 (俄亥俄) (
us-east-2) -
美國西部 (奧勒岡) (
us-west-2) -
歐洲 (法蘭克福) (
eu-central-1) -
歐洲 (愛爾蘭) (
eu-west-1)
支援的執行個體類型
SageMaker Profiler 支援分析下列執行個體類型的訓練任務。
CPU 和 GPU 分析
-
ml.g4dn.12xlarge -
ml.g5.24xlarge -
ml.g5.48xlarge -
ml.p3dn.24xlarge -
ml.p4de.24xlarge -
ml.p4d.24xlarge -
ml.p5.48xlarge
僅限 GPU 分析
-
ml.g5.2xlarge -
ml.g5.4xlarge -
ml.g5.8xlarge -
ml.g5.16.xlarge
