本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 支持的框架映像， AWS 区域，以及实例类型
<a name="profiler-support"></a>

此功能支持以下机器学习框架和 AWS 区域。

**注意**  
要使用此功能，请确保您已安装了 SageMaker Python SDK [版本 2.180.0](https://pypi.org/project/sagemaker/2.180.0/) 或更高版本。

## SageMaker Profiler 中预装的 AI 框架镜像 SageMaker
<a name="profiler-support-frameworks"></a>

SageMaker Profiler 已预装在以下[适用 SageMaker 于 AI 的 Dee AWS p Learning Contain](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-containers-sm-support-only) ers 中。

### PyTorch 图片
<a name="profiler-support-frameworks-pytorch"></a>


| PyTorch 版本 | AWS DLC 图片 URI | 
| --- | --- | 
| 2.2.0 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/pytorch-training：2.2.0-gpu-py310-cu121-ubuntu20.04-sagemaker | 
| 2.1.0 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/pytorch-training：2.1.0-gpu-py310-cu121-ubuntu20.04-sagemaker | 
| 2.0.1 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/pytorch-training：2.0.1-gpu-py310-cu118-ubuntu20.04-sagemaker<br />{{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/pytorch-training：2.0.1-gpu-py310-cu121-ubuntu20.04-sagemaker | 
| 1.13.1 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/pytorch-training：1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker | 

### TensorFlow 图片
<a name="profiler-support-frameworks-tensorflow"></a>


| TensorFlow 版本 | AWS DLC 图片 URI | 
| --- | --- | 
| 2.13.0 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/tensorflow-training：2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker | 
| 2.12.0 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/tensorflow-training：2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker | 
| 2.11.0 | {{763104351884}}.dkr.ecr。 {{<region>}}.amazonaws。 com/tensorflow-training：2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker | 

**重要**  
上表中框架容器的分发和维护受到 Dee AWS p Learning Containers 服务管理的[框架支持政策](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html)的约束。如果您使用的先前框架版本不再受支持，我们强烈建议您升级到[当前支持的框架版本](https://aws.amazon.com/releasenotes/dlc-support-policy/)。

**注意**  
如果你想将 P SageMaker rofiler 用于其他框架镜像或你自己的 Docker 镜像，你可以使用下一节中提供的 P SageMaker rofiler SageMaker Python 包二进制文件来安装 Profiler。

## SageMaker Profiler Python 包二进制文件
<a name="profiler-python-package"></a>

如果要配置自己的 Docker 容器，请在 PyTorch 和的其他预构建容器中使用 P SageMaker rofiler TensorFlow，或者在本地安装 Profiler SageMaker Python 软件包，请使用以下二进制文件之一。根据您所处环境中的 Python 和 CUDA 版本，选择以下选项之一。

### PyTorch
<a name="profiler-python-package-for-pytorch"></a>
+ 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
<a name="profiler-python-package-for-tensorflow"></a>
+ 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)

有关如何使用二进制文件安装 SageMaker Profiler 的更多信息，请参阅[（可选）安装 P SageMaker rofiler Python 软件包](profiler-prepare.md#profiler-install-python-package)。

## 支持 AWS 区域
<a name="profiler-support-regions"></a>

SageMaker Profiler 在以下 AWS 区域版本中可用。
+ 美国东部（弗吉尼亚州北部）(`us-east-1`)
+ 美国东部（俄亥俄州）(`us-east-2`)
+ 美国西部（俄勒冈州）(`us-west-2`)
+ 欧洲地区（法兰克福）(`eu-central-1`)
+ 欧洲地区（爱尔兰）(`eu-west-1`)

## 支持的实例类型
<a name="profiler-support-instance-types"></a>

SageMaker Profiler 支持对以下实例类型的训练作业进行性能分析。

**CPU 和 GPU 性能分析**
+ `ml.g4dn.12xlarge`
+ `ml.g5.24xlarge`
+ `ml.g5.48xlarge`
+ `ml.p3dn.24xlarge`
+ `ml.p4de.24xlarge`
+ `ml.p4d.24xlarge`
+ `ml.p5.48xlarge`

**仅限 GPU 性能分析**
+ `ml.g5.2xlarge`
+ `ml.g5.4xlarge`
+ `ml.g5.8xlarge`
+ `ml.g5.16.xlarge`