As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Estruturas suportadas e Regiões da AWS
<a name="distributed-model-parallel-support-v2"></a>

Antes de usar a biblioteca de paralelismo de SageMaker modelos v2 (SMP v2), verifique as estruturas e os tipos de instância compatíveis e determine se há cotas suficientes em sua conta e. AWS Região da AWS

**nota**  
Para verificar as atualizações e notas da versão mais recentes da biblioteca, consulte [Notas de lançamento da biblioteca de SageMaker paralelismo de modelos](model-parallel-release-notes.md).

## Frameworks compatíveis
<a name="distributed-model-parallel-supported-frameworks-v2"></a>

O SMP v2 é compatível com as seguintes estruturas de aprendizado profundo e está disponível por meio de contêineres do Docker do SMP e de um canal SMP Conda: Quando você usa as classes do estimador de estrutura no SDK do SageMaker Python e especifica a configuração de distribuição para usar o SMP v2, o SageMaker AI seleciona automaticamente os contêineres do SMP Docker. Para usar o SMP v2, recomendamos que você sempre mantenha o SDK do SageMaker Python atualizado em seu ambiente de desenvolvimento.

**PyTorch versões que a biblioteca de paralelismo de SageMaker modelos suporta**



- **v2.5.1**
  - **SageMaker versão da biblioteca de paralelismo do modelo:** smdistributed-modelparallel==v2.8.0
  - **URI da imagem do Docker do SMP:** 658645717510.dkr.ecr.{{<us-west-2>}}.amazonaws.com/smdistributed-modelparallel:2.5.1-gpu-py311-cu124
  - **URI da imagem do Enroot da SMP:** https://sagemaker-distributed-model-parallel.s3.{{<us-west-2>}}.amazonaws.com/enroot/2.5.1-gpu-py311-cu124.sqsh

- **v2.4.1**
  - **SageMaker versão da biblioteca de paralelismo do modelo:** smdistributed-modelparallel==v2.7.0 / **URI da imagem do Enroot da SMP:** https://sagemaker-distributed-model-parallel.s3.{{<us-west-2>}}.amazonaws.com/enroot/2.4.1-gpu-py311-cu121.sqsh
  - **SageMaker versão da biblioteca de paralelismo do modelo:** smdistributed-modelparallel==v2.6.1 / **URI da imagem do Enroot da SMP:** N/D
  - **SageMaker versão da biblioteca de paralelismo do modelo:** smdistributed-modelparallel==v2.6.0 / **URI da imagem do Enroot da SMP:** N/D
  - **URI da imagem do Docker do SMP:** 658645717510.dkr.ecr.{{<us-west-2>}}.amazonaws.com/smdistributed-modelparallel:2.4.1-gpu-py311-cu121

- **v2.3.1**
  - **SageMaker versão da biblioteca de paralelismo do modelo:**
    - smdistributed-modelparallel==v2.5.0
    - smdistributed-modelparallel==v2.4.0
  - **URI da imagem do Docker do SMP:** 658645717510.dkr.ecr.{{us-west-2}}.amazonaws.com/smdistributed-modelparallel:2.3.1-gpu-py311-cu121
  - **URI da imagem do Enroot da SMP:** N/D

- **v2.2.0**
  - **SageMaker versão da biblioteca de paralelismo do modelo:**
    - smdistributed-modelparallel==v2.3.0
    - smdistributed-modelparallel==v2.2.0
  - **URI da imagem do Docker do SMP:** 658645717510.dkr.ecr.{{us-west-2}}.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121
  - **URI da imagem do Enroot da SMP:** N/D

- **v2.1.2**
  - **SageMaker versão da biblioteca de paralelismo do modelo:** smdistributed-modelparallel==v2.1.0
  - **URI da imagem do Docker do SMP:** 658645717510.dkr.ecr.{{us-west-2}}.amazonaws.com/smdistributed-modelparallel:2.1.2-gpu-py310-cu121
  - **URI da imagem do Enroot da SMP:** N/D

- **v2.0.1**
  - **SageMaker versão da biblioteca de paralelismo do modelo:** smdistributed-modelparallel==v2.0.0
  - **URI da imagem do Docker do SMP:** 658645717510.dkr.ecr.{{us-west-2}}.amazonaws.com/smdistributed-modelparallel:2.0.1-gpu-py310-cu121
  - **URI da imagem do Enroot da SMP:** N/D



**Canal SMP Conda**

O bucket do Amazon S3 a seguir é um canal público Conda hospedado pela equipe de serviço da SMP. Se você quiser instalar a biblioteca SMP v2 em um ambiente como SageMaker HyperPod clusters, use esse canal Conda para instalar adequadamente a biblioteca SMP.

```
https://sagemaker-distributed-model-parallel.s3.{{us-west-2}}.amazonaws.com/smp-v2/
```

Para obter mais informações sobre os canais Conda em geral, consulte [Canais](https://docs.conda.io/projects/conda/en/latest/user-guide/concepts/channels.html), na *documentação Conda*.

**nota**  
*Para encontrar versões anteriores da biblioteca SMP v1.x e pré-empacotadas DLCs, consulte [Estruturas compatíveis](distributed-model-parallel-support.md#distributed-model-parallel-supported-frameworks) a documentação do SMP v1.*

### Usar o SMP v2 com bibliotecas de código aberto
<a name="distributed-model-parallel-supported-frameworks-v2-open-source"></a>

A biblioteca SMP v2 funciona com outras PyTorch bibliotecas de código aberto, como PyTorch Lightning, Hugging Face Transformers e Hugging Face Accelerate, porque o SMP v2 é compatível com o FSDP. PyTorch APIs Se tiver mais perguntas sobre como usar a biblioteca de SMP com outras bibliotecas de terceiros, entre em contato com a equipe de serviço do SMP em `sm-model-parallel-feedback@amazon.com`.

## Regiões da AWS
<a name="distributed-model-parallel-availablity-zone-v2"></a>

O SMP v2 está disponível a seguir. Regiões da AWS Se você quiser usar a imagem SMP Docker URIs ou o canal SMP Conda, verifique a lista a seguir, escolha a que Região da AWS corresponde à sua e atualize o URI da imagem ou o URL do canal adequadamente.
+ ap-northeast-1
+ ap-northeast-2
+ ap-northeast-3
+ ap-south-1
+ ap-southeast-1
+ ap-southeast-2
+ ca-central-1
+ eu-central-1
+ eu-north-1
+ eu-west-1
+ eu-west-2
+ eu-west-3
+ sa-east-1
+ us-east-1
+ us-east-2
+ us-west-1
+ us-west-2

## Tipos de instâncias compatíveis
<a name="distributed-model-parallel-supported-instance-types-v2"></a>

O SMP v2 exige um dos seguintes tipos de instância de ML:


| Tipo de instância | 
| --- | 
| ml.p4d.24xlarge | 
| ml.p4de.24xlarge | 
| ml.p5.48xlarge | 
| ml.p5e.48xlarge | 

**dica**  
A partir do SMP v2.2.0, o suporte para PyTorch v2.2.0 e versões posteriores está disponível. [Treinamento misto de precisão com FP8 instâncias P5 usando o Transformer Engine](model-parallel-core-features-v2-mixed-precision.md#model-parallel-core-features-v2-mixed-precision-fp8-training-on-p5)

Para obter especificações dos tipos de instância de aprendizado de SageMaker máquina em geral, consulte a seção **Computação acelerada** na página Tipos de instância do [Amazon EC2](https://aws.amazon.com/ec2/instance-types/). Para obter informações sobre preços de instâncias, consulte [Amazon SageMaker AI Pricing](https://aws.amazon.com/sagemaker/pricing/).

Se aparecer uma mensagem de erro semelhante à seguinte, siga as instruções em [Solicitar um aumento de cota](https://docs.aws.amazon.com/servicequotas/latest/userguide/request-quota-increase.html), no *Guia do usuário do Service Quotas da AWS *:

```
ResourceLimitExceeded: An error occurred (ResourceLimitExceeded) when calling
    the CreateTrainingJob operation: The account-level service limit 'ml.p3dn.24xlarge
    for training job usage' is 0 Instances, with current utilization of 0 Instances
    and a request delta of 1 Instances.
    Please contact AWS support to request an increase for this limit.
```