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 A SageMaker I 分析功能的发行说明
<a name="profiler-release-notes"></a>

请参阅以下发行说明，了解有关 Amazon A SageMaker I 分析功能的最新更新。

## 2024 年 3 月 21 日
<a name="profiler-release-notes-20240321"></a>

**通用更新**

[SageMaker Profiler](train-use-sagemaker-profiler.md) 增加了对 PyTorch v2.0、v2.1.0 和 v2.0.1 的支持。

**AWS 预装了探查器的 Deep Learning Container SageMaker **

[SageMaker Profiler](train-use-sagemaker-profiler.md) 封装在以下 Dee [AWS p Learning](https://github.com/aws/deep-learning-containers/blob/master/available_images.md) Containers 中。
+ SageMaker 适用于 PyTorch v2.2.0 的 AI 框架容器
+ SageMaker 适用于 PyTorch v2.1.0 的 AI 框架容器
+ SageMaker 适用于 PyTorch v2.0.1 的 AI 框架容器

## 2023 年 12 月 14 日
<a name="profiler-release-notes-20231214"></a>

**通用更新**

[SageMaker Profiler](train-use-sagemaker-profiler.md) 增加了对 TensorFlow v2.13.0 的支持。

**重大更改**

本次发布涉及一项重大更改。P SageMaker rofiler Python 包名称已从更改为`smppy`。`smprof`如果您在开始使用下一节中 TensorFlow 列出的最新 [SageMaker AI Framework 容器](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-containers-sm-support-only)时一直在使用该包的先前版本，请确保在训练脚本的导入语句`smprof`中`smppy`将包名称从更新为。

**AWS 预装了探查器的 Deep Learning Container SageMaker **

[SageMaker Profiler](train-use-sagemaker-profiler.md) 封装在以下 Dee [AWS p Learning](https://github.com/aws/deep-learning-containers/blob/master/available_images.md) Containers 中。
+ SageMaker 适用于 TensorFlow v2.13.0 的 AI 框架容器
+ SageMaker 适用于 TensorFlow v2.12.0 的 AI 框架容器

如果你使用先前版本的[框架容器](profiler-support.md#profiler-support-frameworks)，比如 TensorFlow v2.11.0，Profiler SageMaker Python 包仍然可用作。`smppy`如果您不确定应使用哪个版本或软件包名称，请将 P SageMaker rofiler 软件包的 import 语句替换为以下代码片段。

```
try:
    import smprof 
except ImportError:
    # backward-compatability for TF 2.11 and PT 1.13.1 images
    import smppy as smprof
```

## 2023 年 8 月 24 日
<a name="profiler-release-notes-20230824"></a>

**新功能**

发布 Amazon SageMaker Profiler，这是一项 SageMaker AI 的分析和可视化功能，用于深入研究在训练深度学习模型时配置的计算资源，并深入了解操作级别的细节。 SageMaker Profiler 提供了 Python 模块 (`smppy`)，用于在脚本中添加注释 PyTorch 或 TensorFlow训练脚本并激活 P SageMaker rofiler。你可以通过 SageMaker AI Python SDK 和 Dee AWS p Learning Containers 访问这些模块。对于使用 P SageMaker rofiler Python 模块运行的任何作业，您都可以在提供摘要仪表板和详细时间轴的 P SageMaker rofiler UI 应用程序中加载配置文件数据。要了解更多信息，请参阅[Amazon P SageMaker rofiler](train-use-sagemaker-profiler.md)。

此版本的 P SageMaker rofiler Python 包已集成到以下适用于 PyTorch 和 TensorFlow的 [SageMaker AI 框架容器](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-containers-sm-support-only)中。
+ PyTorch v2.0.0
+ PyTorch v1.13.1
+ TensorFlow v2.12.0
+ TensorFlow v2.11.0