Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

creación de perfiles de marco predeterminada

Modo de enfoque
creación de perfiles de marco predeterminada - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

La creación de perfiles de marco predeterminada del depurador incluye las siguientes opciones: creación de perfiles detallados, creación de perfiles del cargador de datos y creación de perfiles de Python. El siguiente código de ejemplo es la configuración del parámetro profiler_config más sencilla para iniciar la monitorización del sistema y la creación de perfiles del marco por defecto. La clase FrameworkProfile del siguiente código de ejemplo inicia la creación de perfiles del marco predeterminado cuando comienza un trabajo de entrenamiento.

from sagemaker.debugger import ProfilerConfig, FrameworkProfile profiler_config=ProfilerConfig( framework_profile_params=FrameworkProfile() )

Con la configuración de este parámetro profiler_config, el depurador utiliza los ajustes predeterminados de monitorización y creación de perfiles. El depurador monitoriza las métricas del sistema cada 500 milisegundos; perfila el quinto paso con la opción de creación de perfiles detallados; el séptimo paso con la opción de creación de perfiles del cargador de datos; y los pasos noveno, décimo y undécimo con la opción de creación de perfiles de Python.

Para encontrar las opciones de configuración de creación de perfiles disponibles, los ajustes de parámetros predeterminados y ejemplos de cómo configurarlos, consulte Supervisión del sistema predeterminada y creación de perfiles de marco personalizada con diferentes opciones de creación de perfiles y SageMaker Debugger APIs , FrameworkProfile en el SDK de Amazon SageMaker Python.

Si quiere cambiar el intervalo de monitorización del sistema y activar la creación de perfiles del marco por defecto, puede especificar el parámetro system_monitor_interval_millis de forma explícita con el parámetro framework_profile_params. Por ejemplo, para monitorizar cada 1000 milisegundos y habilitar la creación de perfiles del marco por defecto, utilice el siguiente código de ejemplo.

from sagemaker.debugger import ProfilerConfig, FrameworkProfile profiler_config=ProfilerConfig( system_monitor_interval_millis=1000, framework_profile_params=FrameworkProfile() )

Para obtener más información sobre la FrameworkProfile clase, consulte SageMaker Debugger APIs , FrameworkProfile en el SDK de Amazon SageMaker Python.

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.