Configuration de l’estimateur pour le profilage du cadre - Amazon SageMaker AI

Configuration de l’estimateur pour le profilage du cadre

Avertissement

À partir de TensorFlow 2.11 et PyTorch 2.0, SageMaker Debugger abandonne la caractéristique de profilage du cadre au profit du profileur Amazon SageMaker. Vous pouvez toujours utiliser cette fonctionnalité dans les versions précédentes des frameworks et des kits SDK comme suit.

  • Kit SageMaker Python SDK <= v2.130.0

  • PyTorch >= v1.6.0, < v2.0

  • TensorFlow >= v2.3.1, < v2.11

Voir aussi 16 mars 2023.

Pour activer le profilage du cadre Debugger, configurez le paramètre framework_profile_params lorsque vous créez un estimateur. Le profilage du cadre Debugger recueille des métriques du cadre, telles que les données de l'étape d'initialisation, les processus de chargement de données, les opérateurs Python des cadres de deep learning et des scripts d'entraînement, le profilage détaillé dans et entre les étapes, avec les options cProfile ou Pyinstrument. À l'aide de la classe FrameworkProfile, vous pouvez configurer des options de profilage de cadre personnalisées.

Note

Avant de commencer avec le profilage du cadre Debugger, vérifiez que le cadre utilisé pour créer votre modèle est pris en charge par Debugger pour le profilage du cadre. Pour plus d’informations, consultez Cadres et algorithmes pris en charge.

Debugger enregistre les métriques du cadre dans un compartiment S3 par défaut. Le format de l'URI du compartiment S3 par défaut est s3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/.

Rubriques