기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 프레임워크 프로파일링을 위한 예측기 구성
<a name="debugger-configure-framework-profiling"></a>

**주의**  
SageMaker AI Debugger는 [Amazon SageMaker Profiler](train-use-sagemaker-profiler.md)로 전환하면서 TensorFlow 2.11과 PyTorch 2.0부터 프레임워크 프로파일링 기능에 대한 지원을 중단합니다. 이전 버전의 프레임워크와 SDK에서 사용자는 다음과 같이 이 기능을 계속 사용할 수 있습니다.  
SageMaker Python SDK <= v2.130.0
PyTorch >= v1.6.0, < v2.0
TensorFlow >= v2.3.1, < v2.11
[2023년 3월 16일](debugger-release-notes.md#debugger-release-notes-20230315) 섹션도 참조하세요.

디버거 프레임워크 프로파일링을 활성화하려면 예측기를 구성할 때 `framework_profile_params` 파라미터를 구성하세요. 디버거 프레임워크 프로파일링은 CProfile 또는 Pyinstrument 옵션을 사용하여 초기화 단계의 데이터, 데이터 로더 프로세스, 딥 러닝 프레임워크의 Python 연산자 및 훈련 스크립트, 단계 내 및 단계 간 세부 프로파일링과 같은 프레임워크 지표를 수집합니다. `FrameworkProfile` 클래스를 사용하여 사용자 지정 프레임워크 프로파일링 옵션을 구성할 수 있습니다.

**참고**  
디버거 프레임워크 프로파일링을 시작하기 전에 모델 빌드에 사용되는 프레임워크가 디버거에서 프레임워크 프로파일링을 지원하는지 확인하세요. 자세한 내용은 [지원되는 프레임워크 및 알고리즘](debugger-supported-frameworks.md) 섹션을 참조하세요.  
디버거는 프레임워크 지표를 기본 S3 버킷에 저장합니다. 예를 들어, 기본 S3 버킷 URI의 형식이 `s3://sagemaker-<region>-<12digit_account_id>/<training-job-name>/profiler-output/`입니다.

**Topics**
+ [기본 프레임워크 프로파일링](debugger-configure-framework-profiling-basic.md)
+ [기본 시스템 모니터링 및 대상 단계 또는 대상 시간 범위에 대한 사용자 지정 프레임워크 프로파일링](debugger-configure-framework-profiling-range.md)
+ [기본 시스템 모니터링 및 다양한 프로파일링 옵션이 있는 사용자 지정 프레임워크 프로파일링](debugger-configure-framework-profiling-options.md)