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. # images de cadre prises en charge, Régions AWS, et types d'instances **Note** Avis de fin de support : le 30 juin 2027, le support d'Amazon SageMaker Profiler AWS prendra fin. Après le 30 juin 2027, vous ne pourrez plus accéder à la console Profiler ni aux ressources du Profiler. Pour de plus amples informations, veuillez consulter [Modification de la disponibilité du profileur](profiler-availability-change.md). Cette fonctionnalité prend en charge les cadres de machine learning et les Régions AWS suivants. **Note** Pour utiliser cette fonctionnalité, assurez-vous d'avoir installé la [ version 2.180.0 ](https://pypi.org/project/sagemaker/2.180.0/) ou ultérieure du SDK SageMaker Python. ## SageMaker Images du framework AI préinstallées avec Profiler SageMaker SageMaker Profiler est préinstallé dans les conteneurs [AWS Deep Learning suivants pour SageMaker l'IA. ](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-containers-sm-support-only) ### PyTorch images | PyTorch versions | AWS URI de l'image DLC | | --- | --- | | 2.2.0 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/pytorch-entraînement : 2.2.0-gpu-py310-cu121-ubuntu20.04 - sagemaker | | 2.1.0 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/pytorch-entraînement : 2.1.0-gpu-py310-cu121-ubuntu20.04 - sagemaker | | 2.0.1 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/pytorch-entraînement : 2.0.1-gpu-py310-cu118-ubuntu20.04-sagemaker
{{763104351884}}.dkr.ecr. {{}}. amazon. com/pytorch-entraînement : 2.0.1-gpu-py310-cu121-ubuntu20.04 - sagemaker | | 1.13.1 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/pytorch-entraînement : 1.13.1-gpu-py39-cu117-ubuntu20.04 - sagemaker | ### TensorFlow images | TensorFlow versions | AWS URI de l'image DLC | | --- | --- | | 2.13.0 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/tensorflow-entraînement : 2.13.0-gpu-py310-cu118 - ubuntu20.04 - sagemaker | | 2.12.0 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/tensorflow-entraînement : 2.12.0-gpu-py310-cu118 - ubuntu20.04 - sagemaker | | 2.11.0 | {{763104351884}}.dkr.ecr. {{}}. amazon. com/tensorflow-entraînement : 2.11.0-gpu-py39-cu112 - ubuntu20.04 - sagemaker | **Important** La distribution et la maintenance des conteneurs du framework dans les tableaux précédents sont régies par la politique de support du [ framework ](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html) gérée par le service AWS Deep Learning Containers. Nous vous recommandons vivement de passer aux [versions du cadre actuellement prises en charge](https://aws.amazon.com/releasenotes/dlc-support-policy/) si vous utilisez des versions antérieures du cadre qui ne sont plus prises en charge. **Note** Si vous souhaitez utiliser SageMaker Profiler pour d'autres images de framework ou pour vos propres images Docker, vous pouvez installer SageMaker Profiler à l'aide des fichiers binaires du package Python de SageMaker Profiler fournis dans la section suivante. ## SageMaker Fichiers binaires du package Python Profiler Si vous souhaitez configurer votre propre conteneur Docker, utiliser SageMaker Profiler dans d'autres conteneurs prédéfinis pour PyTorch et TensorFlow, ou installer le package Python SageMaker Profiler localement, utilisez l'un des fichiers binaires suivants. En fonction des versions de Python et CUDA dans votre environnement, choisissez l’une des options suivantes. ### PyTorch + Python3.8, CUDA 11.3 : [`https://smppy.s3.amazonaws.com/pytorch/cu113/smprof-0.3.334-cp38-cp38-linux_x86_64.whl`](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`](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`](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`](https://smppy.s3.amazonaws.com/pytorch/cu121/smprof-0.3.334-cp310-cp310-linux_x86_64.whl) ### TensorFlow + Python3.9, CUDA 11.2 : [`https://smppy.s3.amazonaws.com/tensorflow/cu112/smprof-0.3.334-cp39-cp39-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/tensorflow/cu112/smprof-0.3.334-cp39-cp39-linux_x86_64.whl) + Python3.10, CUDA 11.8 : [`https://smppy.s3.amazonaws.com/tensorflow/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/tensorflow/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl) Pour plus d'informations sur l'installation de SageMaker Profiler à l'aide des fichiers binaires, consultez[(Facultatif) Installez le package Python SageMaker Profiler](profiler-prepare.md#profiler-install-python-package). ## Pris en charge Régions AWS SageMaker Le profileur est disponible dans les versions suivantes Régions AWS. + USA Est (Virginie du Nord) (`us-east-1`) + USA Est (Ohio) (`us-east-2`) + USA Ouest (Oregon) (`us-west-2`) + Europe (Francfort) (`eu-central-1`) + Europe (Irlande) (`eu-west-1`) ## Types d’instance pris en charge SageMaker Profiler prend en charge le profilage des tâches de formation sur les types d'instances suivants. **Profilage du CPU et du GPU** + `ml.g4dn.12xlarge` + `ml.g5.24xlarge` + `ml.g5.48xlarge` + `ml.p3dn.24xlarge` + `ml.p4de.24xlarge` + `ml.p4d.24xlarge` + `ml.p5.48xlarge` **Profilage du GPU uniquement** + `ml.g5.2xlarge` + `ml.g5.4xlarge` + `ml.g5.8xlarge` + `ml.g5.16.xlarge`