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。

# （已存档） SageMaker 模型并行度库 v1.x
<a name="model-parallel"></a>

**重要**  
自 2023 年 12 月 19 日起， SageMaker 模型并行度 (SMP) 库 v2 已发布。为了支持 SMP 库 v2，未来版本将不再支持 SMP v1 功能。以下部分和主题已存档，专门用于使用 SMP 库 v1。有关使用 SMP 库 v2 的信息，请参阅 [SageMaker 模型并行度库 v2](model-parallel-v2.md)。

使用 Amazon SageMaker AI 的模型并行库来训练由于 GPU 内存限制而难以训练的大型深度学习 (DL) 模型。该库会自动将在多个 GPU 和实例之间高效地拆分模型。使用该库，您可以高效地训练具有数十亿或万亿参数的大型 DL 模型，从而更快地获得目标预测准确性。

您可以使用该库将自己的 PyTorch 模型 TensorFlow 和模型自动分成多个 GPU 和多个节点，只需最少的代码更改。你可以通过 SageMaker Python 软件开发工具包访问该库的 API。

使用以下章节来了解有关模型并行性和模型并 SageMaker 行库的更多信息。该库的 API 文档位于 *SageMaker Python SDK v2.199.* 0 文档中的[分布式训练 API](https://sagemaker.readthedocs.io/en/v2.199.0/api/training/smd_model_parallel.html) 中。

**Topics**
+ [模型并行性简介](model-parallel-intro.md)
+ [支持的框架和 AWS 区域](distributed-model-parallel-support.md)
+ [SageMaker 模型并行度库的核心功能](model-parallel-core-features.md)
+ [使用模型并行度运行 SageMaker 分布式训练 Job](model-parallel-use-api.md)
+ [检查点和 Fine-Tuning 具有模型并行性的模型](distributed-model-parallel-checkpointing-and-finetuning.md)
+ [亚马逊 SageMaker AI 模型并行库 v1 示例](distributed-model-parallel-examples.md)
+ [SageMaker 分布式模型并行性最佳实践](model-parallel-best-practices.md)
+ [SageMaker 分布式模型并行库配置提示和陷阱](model-parallel-customize-tips-pitfalls.md)
+ [模型并行故障排除](distributed-troubleshooting-model-parallel.md)