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。

Amazon SageMaker AI 调试功能发行说明

请参阅以下发行说明，了解有关 Amazon SageMaker AI 调试功能的最新更新。

2023 年 12 月 21 日

新特征

发布了远程调试功能，这是 SageMaker AI 的一项新调试功能，可让您以 shell 级别访问训练容器。在此版本中，您可以通过登录在 SageMaker AI ML 实例上运行的作业容器来调试训练作业。要了解更多信息，请参阅通过访问训练容器AWS Systems Manager进行远程调试。

2023 年 9 月 7 日

新特征

添加了一个新的实用程序模块 sagemaker.interactive_apps.tensorboard.TensorBoardApp，该模块提供了名为 get_app_url() 的函数。get_app_url() 函数生成未签名或预签名的 URL，用于在 SageMaker AI 或 Amazon EC2 的任何环境中打开 TensorBoard 应用程序。这是为了向 Studio Classic 用户和非 Studio Classic 用户提供统一的体验。对于 Studio Classic 环境，您可以通过按原样运行 get_app_url() 函数来打开 TensorBoard，也可以指定作业名称以便在 TensorBoard 应用程序打开时开始跟踪。对于非 Studio Classic 环境，您可以通过向实用程序函数提供您的域信息来打开 TensorBoard。使用此功能，无论您在哪里或以何种方式运行训练代码和启动训练作业，都可以通过在 Jupyter 笔记本或终端中运行 get_app_url 函数来直接访问 TensorBoard。此功能在 SageMaker Python SDK v2.184.0 及更高版本中可用。有关更多信息，请参阅 访问 SageMaker AI 上的 TensorBoard 应用程序。

2023 年 4 月 4 日

新特征

发布了带有 TensorBoard 的 SageMaker AI，此功能用于在 SageMaker AI 上托管 TensorBoard。TensorBoard 可作为应用程序通过 SageMaker AI 域使用，SageMaker AI 训练平台支持将 TensorBoard 输出数据收集到 S3，并将其自动加载到 SageMaker AI 上托管的 TensorBoard 中。借助此功能，您可以运行使用 TensorBoard 摘要编写器在 SageMaker AI 中设置的训练作业，将 TensorBoard 输出文件保存在 Amazon S3 中，直接从 SageMaker AI 控制台打开 TensorBoard 应用程序，然后使用在托管式 TensorBoard 接口上实施的 SageMaker AI Data Manager 插件加载输出文件。您无需手动安装 TensorBoard，也无需在 SageMaker AI IDE 或本地计算机上进行本地托管。要了解更多信息，请参阅Amazon SageMaker AI 中的 TensorBoard。

2023 年 3 月 16 日

弃用之后，SageMaker Debugger 还停止了对以下三个 ProfilerRules 的框架分析支持。

2023 年 2 月 21 日

2020 年 12 月 1 日

Amazon SageMaker Debugger 在 re:Invent 2020 上推出了深度分析功能。

2019 年 12 月 3 日

Amazon SageMaker Debugger 最初在 re:Invent 2019 上推出。