本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
支援的架構與 AWS 區域
使用 SageMaker 模型平行處理程式庫之前，請檢查支援的架構和執行個體類型，並判斷您的 AWS 帳戶和 AWS 區域 是否有足夠的配額。
注意
若要查看程式庫的最新更新和發行說明，請參閱 SageMaker Python SDK 文件中的 SageMaker 模型平行發行說明
支援的架構
SageMaker 模型平行處理程式庫支援下列深度學習架構，並可在 AWS 深度學習容器 (DLC) 中取得，或以二進位檔案形式下載。
SageMaker AI 和 SageMaker AI 模型平行化程式庫支援的 PyTorch 版本
| PyTorch 版本 | SageMaker 模型平行處理程式庫版本 | smdistributed-modelparallel 整合的 DLC 映像 URI |
二進位檔案的網址** |
|---|---|---|---|
| v2.0.0 | smdistributed-modelparallel==v1.15.0 |
|
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/pytorch-2.0.0/build-artifacts/2023-04-14-20-14/smdistributed_modelparallel-1.15.0-cp310-cp310-linux_x86_64.whl |
| V1.13.1 | smdistributed-modelparallel==v1.15.0 |
|
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/pytorch-1.13.1/build-artifacts/2023-04-17-15-49/smdistributed_modelparallel-1.15.0-cp39-cp39-linux_x86_64.whl |
| v1.12.1 | smdistributed-modelparallel==v1.13.0 |
|
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/pytorch-1.12.1/build-artifacts/2022-12-08-21-34/smdistributed_modelparallel-1.13.0-cp38-cp38-linux_x86_64.whl |
| v1.12.0 | smdistributed-modelparallel==v1.11.0 |
|
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/pytorch-1.12.0/build-artifacts/2022-08-12-16-58/smdistributed_modelparallel-1.11.0-cp38-cp38-linux_x86_64.whl |
| v1.11.0 | smdistributed-modelparallel==v1.10.0 |
|
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/pytorch-1.11.0/build-artifacts/2022-07-11-19-23/smdistributed_modelparallel-1.10.0-cp38-cp38-linux_x86_64.whl |
| V1.10.2 |
smdistributed-modelparallel==v1.7.0 |
|
- |
| v1.10.0 |
smdistributed-modelparallel==v1.5.0 |
|
- |
| v1.9.1 |
smdistributed-modelparallel==v1.4.0 |
|
- |
| 1.8.1* |
smdistributed-modelparallel==v1.6.0 |
|
- |
注意
SageMaker 模型平行處理程式庫 v1.6.0 及更新版本為 PyTorch 提供了擴充功能。如需更多詳細資訊，請參閱 SageMaker 模型平行化程式庫的核心功能。
** 二進位檔案的 URL 用於在自訂容器中安裝 SageMaker 模型平行處理程式庫。如需更多詳細資訊，請參閱 使用 SageMaker 分散式模型平行程式庫建立您自己的 Docker 容器。
SageMaker AI 和 SageMaker 模型平行化程式庫支援的 TensorFlow 版本
| TensorFlow 版本 | SageMaker 模型平行處理程式庫版本 | smdistributed-modelparallel 整合的 DLC 映像 URI |
|---|---|---|
| v2.6.0 | smdistributed-modelparallel==v1.4.0 |
763104351884.dkr.ecr. |
| v2.5.1 | smdistributed-modelparallel==v1.4.0
|
763104351884.dkr.ecr.
|
SageMaker AI 和 SageMaker 分散式資料庫平行程式庫支援的 Hugging Face 轉換器版本
Hugging Face 的 AWS 深度學習容器使用適用於 PyTorch 和 TensorFlow 的 SageMaker 訓練容器做為其基礎映像。若要查詢 Hugging Face 轉換器程式庫版本及配對的 PyTorch 和 TensorFlow 版本，請參閱最新的 Hugging Face 容器
AWS 區域
SageMaker 資料平行程式庫適用於 AWS SageMaker 深度學習容器
支援的執行個體類型
SageMaker 模型平行處理程式庫需要下列其中一種機器學習 (ML) 執行個體類型。
| 執行個體類型 |
|---|
ml.g4dn.12xlarge |
ml.p3.16xlarge |
ml.p3dn.24xlarge
|
ml.p4d.24xlarge |
ml.p4de.24xlarge |
如需執行個體類型的空間，請參閱 Amazon EC2 執行個體類型頁面
如果您遇到類似下列內容的錯誤訊息，請按照請求 SageMaker AI 資源服務配額增加的指示進行操作。
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.
