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.
Frameworks pris en charge et Régions AWS
Avant d'utiliser la bibliothèque de parallélisme des SageMaker modèles v2 (SMP v2), vérifiez les frameworks et les types d'instances pris en charge et déterminez s'il y a suffisamment de quotas sur votre AWS compte et. Région AWS
Note
Pour vérifier les dernières mises à jour et notes de mises à jour de la bibliothèque, consultez Notes de mise à jour pour la bibliothèque de parallélisme des SageMaker modèles.
Cadres pris en charge
SMP v2 prend en charge les cadres de deep learning suivants et est disponible via les conteneurs Docker SMP et un canal Conda SMP. Lorsque vous utilisez la ModelTrainer classe du SDK SageMaker Python et que vous spécifiez la configuration de distribution pour utiliser SMP v2, SageMaker AI récupère automatiquement les conteneurs SMP Docker. Pour utiliser SMP v2, nous vous recommandons de toujours mettre à jour le SDK SageMaker Python dans votre environnement de développement.
PyTorch versions prises en charge par la SageMaker bibliothèque de parallélisme des modèles
| PyTorch version | SageMaker version de la bibliothèque de parallélisme des modèles | URI d’image Docker SMP | URI d’image |
|---|---|---|---|
| v2.5.1 | smdistributed-modelparallel==v2.8.0 |
658645717510.dkr.ecr. |
https://sagemaker-distributed-model-parallel.s3. |
| v2.4.1 | smdistributed-modelparallel==v2.7.0 |
658645717510.dkr.ecr. |
https://sagemaker-distributed-model-parallel.s3. |
smdistributed-modelparallel==v2.6.1 |
N/A | ||
smdistributed-modelparallel==v2.6.0 |
N/A | ||
| v2.3.1 | smdistributed-modelparallel==v2.5.0 |
658645717510.dkr.ecr. |
N/A |
smdistributed-modelparallel==v2.4.0 |
|||
| v2.2.0 | smdistributed-modelparallel==v2.3.0 |
658645717510.dkr.ecr. |
N/A |
smdistributed-modelparallel==v2.2.0 |
|||
| v2.1.2 | smdistributed-modelparallel==v2.1.0 |
658645717510.dkr.ecr. |
N/A |
| v2.0.1 | smdistributed-modelparallel==v2.0.0 |
658645717510.dkr.ecr. |
N/A |
Canal Conda SMP
Le compartiment Amazon S3 suivant est le canal Conda public hébergé par l’équipe du service SMP. Si vous souhaitez installer la bibliothèque SMP v2 dans un environnement tel que des SageMaker HyperPod clusters, utilisez ce canal Conda pour installer correctement la bibliothèque SMP.
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/
Pour plus d’informations sur les canaux Conda en général, consultez Channels
Note
Pour trouver les versions précédentes de la bibliothèque SMP v1.x et les DLC pré-empaquetés, consultez Cadres pris en charge dans la documentation SMP v1.
Utilisation de SMP v2 avec des bibliothèques open source
La bibliothèque SMP v2 fonctionne avec d'autres bibliothèques PyTorch-based open source telles que PyTorch Lightning, Hugging Face Transformers et Hugging Face Accelerate, car SMP v2 est compatible avec les API FSDP. PyTorch Si vous avez d’autres questions sur l’utilisation de la bibliothèque SMP avec d’autres bibliothèques tierces, contactez l’équipe du service SMP à l’adresse sm-model-parallel-feedback@amazon.com.
Régions AWS
SMP v2 est disponible dans les versions suivantes Régions AWS. Si vous souhaitez utiliser les URI d’image Docker SMP ou le canal Conda SMP, consultez la liste suivante et choisissez la Région AWS correspondant à la vôtre, puis mettez à jour l’URI d’image ou l’URL de canal en conséquence.
-
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
Types d’instance pris en charge
SMP v2 requiert l’un des types d’instances de ML suivants.
| Type d’instance |
|---|
ml.p4d.24xlarge |
ml.p4de.24xlarge |
ml.p5.48xlarge |
ml.p5e.48xlarge |
Astuce
À partir de SMP v2.2.0, le support de la version PyTorch 2.2.0 et des versions ultérieures est disponible. Entraînement de précision mixte avec FP8 sur des instances P5 à l’aide de Transformer Engine
Pour les spécifications générales des types d'instances d'apprentissage SageMaker automatique, consultez la section Calcul accéléré de la page Types d'instances
Si vous rencontrez un message d’erreur semblable au suivant, suivez les instructions de la section Demande d’augmentation de quota dans le Guide de l’utilisateur AWS Service Quotas.
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.
