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。
支援的架構映像 AWS 區域和執行個體類型
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 2SDK.180.0 版或更新版本。 https://pypi.org/project/sagemaker/2.180.0/
SageMaker 預先安裝 SageMaker Profiler 的架構映像
SageMaker Profiler 已預先安裝在下列AWS 適用於 的深度學習容器中 SageMaker
PyTorch 影像
PyTorch 版本 | AWS DLC 映像 URI |
---|---|
2.2.0 |
|
2.1.0 |
|
2.0.1 |
|
1.13.1 |
|
TensorFlow 影像
TensorFlow 版本 | AWS DLC 映像 URI |
---|---|
2.13.0 |
|
2.12.0 |
|
2.11.0 |
|
重要
上述資料表中架構容器的分發和維護,是根據 AWS 深度學習容器服務管理的架構支援政策。如果您使用的是先前不再支援的架構版本,強烈建議您升級至目前支援的
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 的其他預先建置容器中使用 SageMaker Profiler TensorFlow,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、CUDA11.3:
https://smppy.s3.amazonaws.com/pytorch/cu113/smprof-0.3.334-cp38-cp38-linux_x86_64.whl
-
Python3.9、CUDA11.7:
https://smppy.s3.amazonaws.com/pytorch/cu117/smprof-0.3.334-cp39-cp39-linux_x86_64.whl
-
Python3.10、CUDA11.8:
https://smppy.s3.amazonaws.com/pytorch/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl
-
Python3.10、CUDA12.1:
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 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 支援下列執行個體類型的訓練任務分析。
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
GPU 僅限分析
-
ml.g5.2xlarge
-
ml.g5.4xlarge
-
ml.g5.8xlarge
-
ml.g5.16.xlarge