Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Notes de mise à jour relatives aux capacité de débogage Amazon SageMaker AI
Consultez les notes de mise à jour suivantes pour suivre les dernières mises à jour relatives aux capacités de débogage Amazon SageMaker AI.
21 décembre 2023
Nouvelles fonctionnalités
Nouvelle capacité de débogage à distance SageMaker AI qui vous donne un accès de niveau shell aux conteneurs d’entraînement. Avec cette version, vous pouvez déboguer les tâches d’entraînement en vous connectant aux conteneurs de tâches exécutés sur les instances de ML SageMaker AI. Pour en savoir plus, consultez Accédez à un conteneur de formation AWS Systems Manager pour le débogage à distance.
7 septembre 2023
Nouvelles fonctionnalités
Ajout d'un nouveau module utilitaire sagemaker.interactive_apps.tensorboard.TensorBoardApp qui fournit une fonction appelée get_app_url(). La fonction get_app_url() génère des URL non signées ou présignées pour ouvrir l’application TensorBoard dans n’importe quel environnement sur SageMaker AI ou Amazon EC2. Cela permet de fournir une expérience unifiée aux utilisateurs et aux non-utilisateurs de Studio Classic. Pour l’environnement Studio Classic, vous pouvez ouvrir TensorBoard en exécutant la fonction get_app_url() telle quelle, ou vous pouvez également spécifier un nom de tâche pour démarrer le suivi à l’ouverture de l’application TensorBoard. Pour les environnements autres que Studio Classic, vous pouvez ouvrir TensorBoard en fournissant les informations de votre domaine à la fonction utilitaire. Grâce à cette fonctionnalité, quels que soient l'endroit ou la manière dont vous exécutez le code d'entraînement et lancez les tâches d'entraînement, vous pouvez accéder directement à TensorBoard en exécutant la fonction get_app_url dans votre bloc-notes ou votre terminal Jupyter. Cette fonctionnalité est disponible dans le kit SageMaker Python SDK version v2.184.0 et ultérieure. Pour plus d’informations, consultez Accès à l’application TensorBoard sur SageMaker AI.
4 avril 2023
Nouvelles fonctionnalités
Publication de SageMaker AI avec TensorBoard, une capacité qui héberge TensorBoard sur SageMaker AI. TensorBoard est disponible sous forme d’application via le domaine SageMaker AI et la plateforme d’entraînement SageMaker AI prend en charge la collecte de données de sortie TensorBoard vers S3 et leur charge automatique dans l’application TensorBoard hébergée sur SageMaker AI. Grâce à cette capacité, vous pouvez exécuter des tâches d’entraînement configurées avec les rédacteurs de résumés TensorBoard dans SageMaker AI, enregistrer les fichiers de sortie TensorBoard dans Amazon S3, ouvrir l’application TensorBoard directement depuis la console SageMaker AI et charger les fichiers de sortie à l’aide du plug-in SageMaker AI Data Manager intégré à l’interface TensorBoard hébergée. Il n’est pas nécessaire d’installer TensorBoard manuellement et de l’héberger localement sur les IDE SageMaker AI ou sur une machine locale. Pour en savoir plus, consultez TensorBoard dans Amazon SageMaker AI.
16 mars 2023
Notes d'obsolescence
SageMaker Debugger déconseille la fonctionnalité de profilage du framework à partir de TensorFlow 2.11 et PyTorch 2.0. 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
En raison de cette obsolescence, SageMaker Debugger cesse également de prendre en charge les trois ProfilerRules suivantes pour le profilage du framework.
21 février 2023
Autres modifications
-
L'onglet de rapport XGBoost a été supprimé du tableau de bord du profileur de SageMaker Debugger. Vous pouvez toujours accéder au rapport XGBoost en le téléchargeant sous forme de bloc-notes Jupyter ou de fichier HTML. Pour plus d'informations, consultez Rapport d'entraînement XGBoost SageMaker Debugger.
-
À partir de cette version, les règles de profilage intégrées ne sont pas activées par défaut. Pour utiliser les règles du profileur SageMaker Debugger afin de détecter certains problèmes de calcul, vous devez ajouter les règles lorsque vous configurez un lanceur de tâches d'entraînement SageMaker.
1er décembre 2020
Amazon SageMaker Debugger a lancé des fonctionnalités de profilage approfondi lors de re:Invent 2020.
3 décembre 2019
Lancement initial d'Amazon SageMaker Debugger lors de re:Invent 2019.
