選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料，以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用，但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意，AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定，並顯示相關內容，包括相關廣告。若要接受或拒絕所有非必要 Cookie，請按一下「接受」或「拒絕」。若要進行更詳細的選擇，請按一下「自訂」。

偏好設定
聯絡我們
意見回饋
AWS Documentation
建立 AWS 帳戶

SageMaker 模型平行處理程式庫的版本備註

PDF
RSS
焦點模式
SageMaker 模型平行處理程式庫的版本備註 - Amazon SageMaker AI
SMP 2.7.0 版SMP 2.6.1 版SMP 2.6.0 版SMP 2.5.0 版SMP 2.4.0 版SMP 2.3.1 版SMP 2.3.0 版SMP 2.2.0 版SMP 2.1.0 版SMP 2.0.0 版

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。

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。

請參閱下列版本備註，以追蹤 SageMaker 模型平行處理 (SMP) 程式庫的最新更新。如果您對 SMP 程式庫有其他問題，請聯絡 SMP 服務團隊，網址為 sm-model-parallel-feedback@amazon.com。

SageMaker 模型平行處理程式庫 2.7.0 版

日期：2024 年 12 月 4 日

SMP 程式庫更新

新功能

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 和 Enroot 容器，以取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定要使用 SMP v2 的分佈組態，SageMaker 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級至 v2.237.0或更新版本。

容器詳細資訊

  • 搭配 CUDA v12.1 的 PyTorch v2.4.1 SMP Docker 容器

    658645717510.dkr.ecr.<us-west-2>.smdistributed-modelparallel:2.4.1-gpu-py311-cu121

  • 搭配 CUDA v12.1 的 PyTorch v2.4.1 SMP Enroot 容器

    https://sagemaker-distributed-model-parallel.s3.<us-west-2>.amazonaws.com/enroot/2.4.1-gpu-py311-cu121.sqsh

  • 預先安裝的套件

    • SMP 程式庫 2.7.0 版

    • SMDDP 程式庫 2.5.0 版

    • CUDNN 9.4.0 版

    • FlashAttention 2.5.8 版

    • TransformerEngine 1.10 版

    • Megatron 0.8.0 版

    • Hugging Face 轉換器 4.44.2 版

    • Hugging Face 資料集程式庫 2.19.0 版

    • EFA 1.32.0 版

    • NCCL 2.21.5 版

SMP Conda 頻道

下列 S3 儲存貯體是 SMP 服務團隊託管的 SMP 程式庫的公有 Conda 頻道。如果您想要在 SageMaker HyperPod 叢集等 Conda 環境中安裝 SMP v2 程式庫，請使用此 Conda 頻道來正確安裝 SMP 程式庫。

  • https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/

如需 Conda 頻道的一般詳細資訊，請參閱 Conda 文件中的頻道。

SageMaker 模型平行處理程式庫 2.6.1 版

日期：2024 年 10 月 31 日

SMP 程式庫更新

錯誤修正

  • 修正搭配 SMP v2.6.0 使用較舊的訓練指令碼時所發生ImportError的問題。這可修正與 SMP v2.6.0 的回溯不相容。

  • 已DeprecationWarning為 新增 torch.sagemaker.distributed.fsdp.checkpoint。此模組將在 SMP 2.7.0 版中棄用和移除。如果您目前在程式碼torch.sagemaker.distributed.fsdp.checkpoint中使用 ，您應該計劃在發行 SMP v2.7.0 之前更新指令碼，以避免未來發生問題。

  • 修正 SMP v2.6.0 中發現的回溯相容性問題。此問題與 SMP 2.6.0 版中USE_PG_WITH_UTIL檢查點方法的棄用有關，這會破壞與先前版本訓練指令碼的回溯相容性。若要解決此問題，請重新執行您的 PyTorch 訓練任務，以取得 SMP v2.6.1 包裝的最新 SMP 容器。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker AI 會自動挑選 SMP Docker 容器。

容器詳細資訊

  • 搭配 CUDA v12.1 的 PyTorch v2.4.1 SMP Docker 容器

    658645717510.dkr.ecr.<us-west-2>.amazonaws.com/smdistributed-modelparallel:2.4.1-gpu-py311-cu121

  • 預先安裝的套件

    • SMP 程式庫 2.6.1 版

    • SMDDP 程式庫 2.5.0 版

    • CUDNN 9.4.0 版

    • FlashAttention 2.5.8 版

    • TransformerEngine 1.10 版

    • Megatron 0.8.0 版

    • Hugging Face 轉換器 4.44.2 版

    • Hugging Face 資料集程式庫 2.19.0 版

    • EFA 1.32.0 版

    • NCCL 2.21.5 版

SMP Conda 頻道

下列 S3 儲存貯體是 SMP 服務團隊託管的 SMP 程式庫的公有 Conda 頻道。如果您想要在 SageMaker HyperPod 叢集等高度可自訂運算資源的環境中安裝 SMP v2 程式庫，請使用此 Conda 頻道來正確安裝 SMP 程式庫。

  • https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/

如需 Conda 頻道的一般詳細資訊，請參閱 Conda 文件中的頻道。

SageMaker 模型平行處理程式庫 2.6.0 版

日期：2024 年 10 月 17 日

SMP 程式庫更新

新功能

  • 新增對下列 LLM 模型組態的支援。您可以開始使用 內容平行處理和 張量平行處理。

  • 新增對下列 Mixtral 模型組態的張量平行處理支援。

  • 新增了對 AllGather 型內容平行處理實作的支援，該實作利用 AllGather 通訊集體來取得完整序列的key-and-value張量。可用的實作為 p2p和 all_gather。p2p 實作會在注意力運算期間，利用peer-to-peer收發呼叫來產生key-and-value(KV) 張量累積，以非同步方式執行，並允許通訊與運算重疊。另一方面，all_gather實作會採用 KV 張量累積的AllGather通訊集體操作。若要了解如何套用這些內容平行處理實作，請參閱內容平行處理。

  • 已新增調整旋轉位置嵌入 (RoPE) theta 值的支援。

錯誤修正

  • 修正啟用延遲參數時，在預先訓練期間未正確初始化旋轉位置嵌入 (RoPE) 的錯誤。

已知問題

  • 轉換器引擎目前不支援內容平行處理或已啟用滑動視窗注意力的 FP8。因此，當滑動視窗組態設為非空值時，SMP 版本的 Mistral 轉換器不支援內容平行處理或 FP8 訓練。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker AI 會自動挑選 SMP Docker 容器。

貨幣更新

  • 已將 PyTorch 升級到 v2.4.1

  • 已將 Megatron 升級到 v0.8.0

  • 升級 TransformerEngine 程式庫至 v1.10

  • 已將轉換器升級至 v4.44.2

  • 將 cuDNN 升級到 v9.4.0.58

容器詳細資訊

  • 搭配 CUDA v12.1 的 PyTorch v2.4.1 SMP Docker 容器

    658645717510.dkr.ecr.<us-west-2>.amazonaws.com/smdistributed-modelparallel:2.4.1-gpu-py311-cu121

  • 預先安裝的套件

    • SMP 程式庫 2.6.0 版

    • SMDDP 程式庫 2.5.0 版

    • CUDNN 9.4.0 版

    • FlashAttention 2.5.8 版

    • TransformerEngine 1.10 版

    • Megatron 0.8.0 版

    • Hugging Face 轉換器 4.44.2 版

    • Hugging Face 資料集程式庫 2.19.0 版

    • EFA 1.32.0 版

    • NCCL 2.21.5 版

SMP Conda 頻道

下列 S3 儲存貯體是 SMP 服務團隊託管的 SMP 程式庫的公有 Conda 頻道。如果您想要在 SageMaker HyperPod 叢集等高度可自訂運算資源的環境中安裝 SMP v2 程式庫，請使用此 Conda 頻道來正確安裝 SMP 程式庫。

  • https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/

如需 Conda 頻道的一般詳細資訊，請參閱 Conda 文件中的頻道。

SageMaker 模型平行處理程式庫 2.5.0 版

日期：2024 年 8 月 28 日

SMP 程式庫更新

新功能

錯誤修正

  • 解決在載入預先訓練的模型檢查點和使用張量平行處理時，Llama 微調期間造成意外高初始損失的問題。

備註

  • 若要使用 Mixtral 的啟用檢查點搭配 FP8 混合精確度，您需要分別檢查點注意力和專家層。如需正確設定的範例，請參閱 Amazon SageMaker AI 範例儲存庫中的訓練指令碼範例。

已知問題

  • MoE 組態 (torch.sagemaker.moe.moe_config.MoEConfig) 中的平衡負載平衡類型目前與啟用檢查點不相容。

  • 透過內容平行處理，GPT-NeoX 會在預先訓練和微調中顯示效能迴歸。

  • 對於 P4 執行個體上的 GPT-NeoX，直接從延遲參數初始化轉換模型將權重載入 Hugging Face 轉換器模型，導致第一步的損失不相符。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker AI 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級到 v2.224.0 或更新版本。

貨幣更新

  • 已將 FlashAttention 程式庫升級至 v2.5.8

  • 已將 Transformer Engine 程式庫升級至 v1.8

    • 如果您想要在 Conda 環境中安裝 Transformer Engine，您需要從來源建置 ，並選取特定的上游修正 (744624d、27c6342、7669bf3)。

容器詳細資訊

  • 搭配 CUDA v12.1 的 PyTorch v2.3.1 SMP Docker 容器

    658645717510.dkr.ecr.<region>.amazonaws.com/smdistributed-modelparallel:2.3.1-gpu-py311-cu121

    如需支援區域的完整清單，請參閱 AWS 區域。

  • 預先安裝的套件

    • SMP 程式庫 2.5.0 版

    • SMDDP 程式庫 2.3.0 版

    • CUDNN 8.9.7.29 版

    • FlashAttention 2.5.8 版

    • TransformerEngine 1.8 版

    • Megatron 0.7.0 版

    • Hugging Face 轉換器 4.40.1 版

    • Hugging Face 資料集程式庫 2.19.0 版

    • EFA 1.32.0 版

    • NCCL 2.21.5 版

SMP Conda 頻道

下列 S3 儲存貯體是 SMP 服務團隊託管的 SMP 程式庫的公有 Conda 頻道。如果您想要在 SageMaker HyperPod 叢集等高度可自訂運算資源的環境中安裝 SMP v2 程式庫，請使用此 Conda 頻道來正確安裝 SMP 程式庫。

  • https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/

如需 Conda 頻道的一般詳細資訊，請參閱 Conda 文件中的頻道。

SageMaker 模型平行處理程式庫 2.4.0 版

日期：2024 年 6 月 20 日

SMP 程式庫更新

錯誤修正

  • 修正在使用 SMP 轉換器時，標籤未傳入向前傳遞時，導致日誌形狀不正確的錯誤。

貨幣更新

  • 新增對 PyTorch v2.3.1 的支援。

  • 新增對 Python v3.11 的支援。

  • 新增對 Hugging Face Transformers 程式庫 v4.40.1 的支援。

棄用

  • 停止支援 Python v3.10。

  • 已停止支援 4.40.1 版之前的 Hugging Face 轉換器程式庫版本。

其他變更

  • 包含修補程式，以切換在不同 排名上儲存已取消複製的張量。若要進一步了解，請參閱 PyTorch GitHub 儲存庫中的討論主題。

已知問題

  • 存在已知問題，即損失可能會飆升，然後在使用張量平行處理微調 Llama-3 70B 時，以較高的損失值繼續。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker AI 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級到 v2.224.0 或更新版本。

貨幣更新

  • 已將 SMDDP 程式庫升級至 v2.3.0。

  • 已將 NCCL 程式庫升級至 v2.21.5。

  • 已將 EFA 軟體升級至 v1.32.0。

棄用

容器詳細資訊

  • 搭配 CUDA v12.1 的 PyTorch v2.3.1 SMP Docker 容器

    658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.3.1-gpu-py311-cu121

  • 預先安裝的套件

    • SMP 程式庫 2.4.0 版

    • SMDDP 程式庫 2.3.0 版

    • CUDNN 8.9.7.29 版

    • FlashAttention 2.3.3 版

    • TransformerEngine 1.2.1 版

    • Hugging Face 轉換器 4.40.1 版

    • Hugging Face 資料集程式庫 2.19.0 版

    • EFA 1.32.0 版

    • NCCL 2.21.5 版

SMP Conda 頻道

下列 S3 儲存貯體是 SMP 服務團隊託管的 SMP 程式庫的公有 Conda 頻道。如果您想要在 SageMaker HyperPod 叢集等高度可自訂運算資源的環境中安裝 SMP v2 程式庫，請使用此 Conda 頻道來正確安裝 SMP 程式庫。

  • https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/

如需 Conda 頻道的一般詳細資訊，請參閱 Conda 文件中的頻道。

SageMaker 模型平行處理程式庫 2.3.1 版

日期：2024 年 5 月 9 日

錯誤修正

  • 修正在 moe_load_balancing=balanced 中使用 torch.sagemaker.moe.moe_config.MoEConfig 進行專家平行處理時ImportError的問題。

  • 修正load_state_dict_from_rank0啟用 KeyError時torch.sagemaker.transform呼叫的微調問題。

  • 已修正載入大型的專家混合 (MoE) 模型時，例如 Mixtral 8x22B 進行微調時，所引發out-of-memory (OOM) 錯誤。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。此版本將上述錯誤修正納入下列 SMP Docker 映像。

  • 適用於 PyTorch v2.2.0 搭配 CUDA v12.1 的 SMP Docker 容器

    658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121

SageMaker 模型平行處理程式庫 2.3.0 版

日期：2024 年 4 月 11 日

新功能

  • 新增了新的核心功能、專家平行處理功能，以支援專家混合轉換器模型。如需進一步了解，請參閱 專家平行處理。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級至 v2.214.4 或更新版本。

  • 適用於 PyTorch v2.2.0 搭配 CUDA v12.1 的 SMP Docker 容器

    658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121

    • 在此 Docker 容器中預先安裝的套件

      • SMDDP 程式庫 2.2.0 版

      • CUDNN 8.9.5.29 版

      • FlashAttention 2.3.3 版

      • TransformerEngine 1.2.1 版

      • Hugging Face 轉換器 4.37.1 版

      • Hugging Face 資料集程式庫 2.16.1 版

      • Megatron 核心 0.5.0

      • EFA 1.30.0 版

      • NCCL 2.19.4 版

SageMaker 模型平行處理程式庫 2.2.0 版

日期：2024 年 3 月 7 日

新功能

  • 新增對具有轉換器引擎整合之 P5 執行個體上下列 Hugging Face 轉換器模型的 FP8 訓練支援：

    • GPT-NeoX

    • Llama 2

錯誤修正

  • 修正在張量平行處理訓練期間，在AllGather集體呼叫之前，張量無法保證連續的錯誤。

貨幣更新

  • 新增對 PyTorch v2.2.0 的支援。

  • 已將 SMDDP 程式庫升級至 v2.2.0。

  • 已將 FlashAttention 程式庫升級至 v2.3.3。

  • 已將 NCCL 程式庫升級至 v2.19.4。

棄用

  • 已停止對 Transformer Engine 1.2.0 版之前的支援。

已知問題

  • SMP 啟用卸載功能目前無法運作。請改用原生 PyTorch 啟用卸載。

其他變更

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定使用 SMP v2 的分佈組態，SageMaker AI 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級到 v2.212.0 或更新版本。

  • 適用於 PyTorch v2.2.0 搭配 CUDA v12.1 的 SMP Docker 容器

    658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121

    • 適用於 P4d, P4de 和 P5 執行個體

    • 在此 Docker 容器中預先安裝的套件

      • SMDDP 程式庫 2.2.0 版

      • CUDNN 8.9.5.29 版

      • FlashAttention 2.3.3 版

      • TransformerEngine 1.2.1 版

      • Hugging Face 轉換器 4.37.1 版

      • Hugging Face 資料集程式庫 2.16.1 版

      • EFA 1.30.0 版

      • NCCL 2.19.4 版

SageMaker 模型平行處理程式庫 2.1.0 版

日期：2024 年 2 月 6 日

貨幣更新

  • 新增對 PyTorch 2.1.2 版的支援。

棄用

  • 已停止支援 Hugging Face Transformer 4.31.0 版。

已知問題

  • 發現使用 attn_implementation=flash_attention_2和 FSDP 微調 Hugging Face Llama 2 模型會導致模型分歧。如需參考，請參閱 Hugging Face Transformer GitHub 儲存庫中的發行票證。若要避免分歧問題，請使用 attn_implementation=sdpa。或者，透過設定 來使用 SMP 轉換器模型實作use_smp_implementation=True。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級到 v2.207.0 或更新版本。

  • 適用於 PyTorch v2.1.2 搭配 CUDA v12.1 的 SMP Docker 容器

    658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.1.2-gpu-py310-cu121

    • 適用於 P4d, P4de 和 P5 執行個體

    • 在此 Docker 容器中預先安裝的套件

      • SMDDP 程式庫 2.1.0 版

      • CUDNN 8.9.5.29 版

      • FlashAttention 2.3.3 版

      • TransformerEngine 1.2.1 版

      • Hugging Face 轉換器 4.37.1 版

      • Hugging Face 資料集程式庫 2.16.1 版

      • EFA 1.30.0 版

SMP Conda 頻道

下列 S3 儲存貯體是由 SMP 服務團隊託管的公有 Conda 頻道。如果您想要在 SageMaker HyperPod 叢集等高度可自訂運算資源的環境中安裝 SMP v2 程式庫，請使用此 Conda 頻道來正確安裝 SMP 程式庫。

  • https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/

如需 Conda 頻道的一般詳細資訊，請參閱 Conda 文件中的頻道。

SageMaker 模型平行處理程式庫 2.0.0 版

日期：2023 年 12 月 19 日

新功能

使用下列新產品發行 SageMaker 模型平行處理 (SMP) 程式庫 2.0.0 版。

  • 新torch.sagemaker套件，完全從 SMP v1.x 中的上一個smdistributed.modelparallel.torch套件進行修訂。

  • 支援 PyTorch 2.0.1。

  • 支援 PyTorch FSDP。

  • 與 Transformer Engine 程式庫整合，實現 Tensor 平行處理。

  • 支援 SageMaker Training 和 SageMaker HyperPod。

中斷變更

  • SMP v2 已完全修訂 APIs並提供torch.sagemaker套件。大多數情況下，您只需使用 torch.sagemaker.init()模組初始化並傳遞模型平行組態參數。使用此新套件，您可以大幅簡化訓練指令碼中的程式碼修改。若要進一步了解如何調整訓練指令碼以使用 SMP v2，請參閱 使用 SageMaker 模型平行處理程式庫 v2。

  • 如果您已使用 SMP v1 訓練 Hugging Face Transformer 模型，並想要在 SMP v2 中重複使用模型，請參閱 從 SMP v1 升級到 SMP v2。

  • 對於 PyTorch FSDP 訓練，您應該使用 SMP v2。

已知問題

  • 啟用檢查點目前僅適用於使用 FSDP 的下列包裝政策。

    • auto_wrap_policy = functools.partial(transformer_auto_wrap_policy, ...)

  • 若要使用 啟用卸載，FSDP 啟用檢查點類型必須為 REENTRANT。

  • 在啟用張量平行且碎片資料平行程度設定為 的情況下執行 時1，您必須使用 backend = nccl。此案例不支援smddp後端選項。

  • 即使不使用張量平行處理，也需要轉換器引擎才能搭配 SMP 程式庫使用 PyTorch。

其他變更

棄用

  • 停止支援 TensorFlow。

  • SMP v2 中沒有管道平行處理支援。

  • 不支援 DeepSpeed 程式庫以原生 PyTorch FSDP 為優先。

SMP Docker 容器

SMP 程式庫團隊會分發 Docker 容器來取代 SageMaker PyTorch 架構容器。如果您在 SageMaker Python SDK 中使用 PyTorch 估算器類別，並指定分佈組態來使用 SMP v2，SageMaker AI 會自動挑選 SMP Docker 容器。若要使用此版本的 SMP v2，請將 SageMaker Python SDK 升級至 v2.207.0 或更新版本。

  • 搭配 CUDA v12.1 的 PyTorch v2.0.1 SMP Docker 容器

    658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.0.1-gpu-py310-cu121

在本頁面

Related resources

Amazon SageMaker AI API 參考
AWS CLI 的 命令 Amazon SageMaker AI
SDK 與工具 

Related resources

Amazon SageMaker AI API 參考
AWS CLI 的 命令 Amazon SageMaker AI
SDK 與工具 
隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。