Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Notas de la versión sobre las capacidades de depuración de Amazon AI SageMaker Consulte las siguientes notas de la versión para realizar un seguimiento de las últimas actualizaciones de las funciones de depuración de Amazon SageMaker AI. ## 21 de diciembre de 2023 **Nuevas características** Se lanzó una funcionalidad de depuración remota, una nueva capacidad de depuración de la SageMaker IA que le brinda un acceso básico a los contenedores de entrenamiento. Con esta versión, puede depurar los trabajos de formación iniciando sesión en los contenedores de trabajos que se ejecutan en las instancias de IA ML. SageMaker Para obtener más información, consulte [Acceda a un contenedor de formación a través de AWS Systems Manager para la depuración remota](train-remote-debugging.md). ## 7 de septiembre de 2023 **Nuevas características** Se agregó un nuevo módulo de utilidades `sagemaker.interactive_apps.tensorboard.TensorBoardApp` que proporciona una función llamada `get_app_url()`. La `get_app_url()` función genera URL prefirmadas o sin firmar para abrir la TensorBoard aplicación en cualquier entorno de SageMaker AI o Amazon EC2. El objetivo es proporcionar una experiencia unificada tanto a los usuarios de Studio Classic como a los que no lo son. En el entorno Studio Classic, puede abrirla TensorBoard ejecutando la `get_app_url()` función tal cual, o también puede especificar un nombre de trabajo para iniciar el seguimiento a medida que se abre la aplicación. TensorBoard En el caso de entornos que no sean de Studio Classic, puede TensorBoard abrirlos proporcionando la información de su dominio a la función de utilidad. Con esta funcionalidad, independientemente de dónde o cómo ejecute el código de formación y lance los trabajos de formación, puede acceder directamente a ella TensorBoard ejecutando la `get_app_url` función en su portátil o terminal Jupyter. Esta funcionalidad está disponible en el SDK de SageMaker Python v2.184.0 y versiones posteriores. Para obtener más información, consulte [Acceder a la TensorBoard aplicación mediante SageMaker IA](debugger-htb-access-tb.md). ## 4 de abril de 2023 **Nuevas características** Se lanzó SageMaker AI with TensorBoard, una capacidad que se aloja TensorBoard en IA. SageMaker TensorBoard está disponible como aplicación a través del dominio SageMaker AI, y la plataforma SageMaker AI Training admite la recopilación de datos de TensorBoard salida a S3 y su carga automática TensorBoard en el servidor de SageMaker IA. Con esta capacidad, puede ejecutar tareas de formación configuradas con redactores de TensorBoard resúmenes en SageMaker IA, guardar los archivos de TensorBoard salida en Amazon S3, abrir la TensorBoard aplicación directamente desde la consola de SageMaker IA y cargar los archivos de salida mediante el complemento SageMaker AI Data Manager implementado en la TensorBoard interfaz alojada. No necesita instalarlo TensorBoard manualmente y alojarlo de forma local en los IDE de SageMaker IA o en la máquina local. Para obtener más información, consulte [TensorBoard en Amazon SageMaker AI](tensorboard-on-sagemaker.md). ## 16 de marzo de 2023 **Notas de desaprobación** SageMaker Debugger deja de utilizar la función de creación de perfiles del framework a partir TensorFlow de las versiones 2.11 y 2.0. PyTorch Puede seguir utilizando la función en las versiones anteriores de los marcos y los SDK de la siguiente manera. + SageMaker SDK de Python <= v2.130.0 + PyTorch >= v1.6.0, < v2.0 + TensorFlow >= v2.3.1, < v2.11 Con la obsolescencia, SageMaker Debugger también deja de admitir los tres siguientes para la creación de perfiles de marcos. `ProfilerRules` + [MaxInitializationTime](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#max-initialization-time) + [OverallFrameworkMetrics](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#overall-framework-metrics) + [StepOutlier](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-built-in-rules.html#step-outlier) ## 21 de febrero de 2023 **Otros cambios** + La pestaña de informes de XGBoost se ha eliminado del panel del generador de perfiles del Debugger. SageMaker Todavía puede acceder al informe de XGBoost descargándolo como un cuaderno de Jupyter o como un archivo HTML. Para obtener más información, consulte el informe de formación sobre el [SageMaker depurador XGBoost](https://docs.aws.amazon.com/sagemaker/latest/dg/debugger-report-xgboost.html). + A partir de esta versión, las reglas del creador de perfiles integrado no están activadas de forma predeterminada. Para utilizar las reglas del generador de perfiles del SageMaker depurador para detectar determinados problemas computacionales, es necesario añadir las reglas al configurar un lanzador de tareas de entrenamiento. SageMaker ## 1 de diciembre de 2020 Amazon SageMaker Debugger lanzó funciones de creación de perfiles profundos en re:Invent 2020. ## 3 de diciembre de 2019 Amazon SageMaker Debugger se lanzó inicialmente en re:Invent 2019.