Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Immagini del framework supportate, Regioni AWS e tipi di istanza
<a name="profiler-support"></a>

**Nota**  
Avviso di fine del supporto: il 30 giugno 2027, AWS terminerà il supporto per Amazon Profiler. SageMaker Dopo il 30 giugno 2027, non potrai più accedere alla console Profiler o alle risorse di Profiler. Per ulteriori informazioni, consulta [Modifica della disponibilità del profiler](profiler-availability-change.md).

Questa funzionalità supporta i framework di machine learning e le Regioni AWS seguenti.

**Nota**  
Per utilizzare questa funzionalità, assicurati di aver installato la versione SageMaker Python SDK [ 2.180.0 o successiva. ](https://pypi.org/project/sagemaker/2.180.0/)

## SageMaker Immagini del framework AI preinstallate con Profiler SageMaker
<a name="profiler-support-frameworks"></a>

SageMaker Profiler è preinstallato nei seguenti [AWS Deep Learning Containers for AI. SageMaker ](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#sagemaker-framework-containers-sm-support-only)

### PyTorch immagini
<a name="profiler-support-frameworks-pytorch"></a>


| PyTorch versioni | AWS URI dell'immagine DLC | 
| --- | --- | 
| 2.2.0 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/pytorch- formazione: 2.2.0-gpu-py310-cu121-ubuntu20.04-sagemaker | 
| 2.1.0 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/pytorch- formazione: 2.1.0-gpu-py310-cu121-ubuntu20.04-sagemaker | 
| 2.0.1 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/pytorch- formazione: 2.0.1-gpu-py310-cu118-ubuntu20.04-sagemaker<br />{{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/pytorch- formazione: 2.0.1-gpu-py310-cu121-ubuntu20.04-sagemaker | 
| 1.13.1 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/pytorch- formazione: 1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker | 

### TensorFlow immagini
<a name="profiler-support-frameworks-tensorflow"></a>


| TensorFlow versioni | AWS URI dell'immagine DLC | 
| --- | --- | 
| 2.13.0 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/tensorflow- formazione: 2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker | 
| 2.12.0 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/tensorflow- formazione: 2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker | 
| 2.11.0 | {{763104351884}}.dkr.ecr. {{<region>}}.amazonaws. com/tensorflow- formazione: 2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker | 

**Importante**  
La distribuzione e la manutenzione dei contenitori del framework nelle tabelle precedenti sono conformi alla Framework Support Policy gestita dal servizio Deep Learning Containers. [https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html) AWS Se utilizzi versioni precedenti del framework che non sono più supportate, ti consigliamo fortemente di eseguire l’aggiornamento alle [versioni del framework attualmente supportate](https://aws.amazon.com/releasenotes/dlc-support-policy/).

**Nota**  
Se desideri utilizzare SageMaker Profiler per altre immagini del framework o per le tue immagini Docker, puoi installare SageMaker Profiler utilizzando i file binari del pacchetto SageMaker Profiler Python forniti nella sezione seguente.

## SageMaker File binari del pacchetto Profiler Python
<a name="profiler-python-package"></a>

Se desideri configurare il tuo contenitore Docker, usa SageMaker Profiler in altri contenitori predefiniti per PyTorch e, oppure installa il pacchetto SageMaker Profiler Python localmente TensorFlow, usa uno dei seguenti file binari. A seconda delle versioni di Python e CUDA nel tuo ambiente, scegli una delle seguenti opzioni.

### PyTorch
<a name="profiler-python-package-for-pytorch"></a>
+ Python3.8, CUDA 11.3: [`https://smppy.s3.amazonaws.com/pytorch/cu113/smprof-0.3.334-cp38-cp38-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/pytorch/cu113/smprof-0.3.334-cp38-cp38-linux_x86_64.whl)
+ Python3.9, CUDA 11.7: [`https://smppy.s3.amazonaws.com/pytorch/cu117/smprof-0.3.334-cp39-cp39-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/pytorch/cu117/smprof-0.3.334-cp39-cp39-linux_x86_64.whl)
+ Python3.10, CUDA 11.8: [`https://smppy.s3.amazonaws.com/pytorch/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/pytorch/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl)
+ Python3.10, CUDA 12.1: [`https://smppy.s3.amazonaws.com/pytorch/cu121/smprof-0.3.334-cp310-cp310-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/pytorch/cu121/smprof-0.3.334-cp310-cp310-linux_x86_64.whl)

### TensorFlow
<a name="profiler-python-package-for-tensorflow"></a>
+ Python3.9, CUDA 11.2: [`https://smppy.s3.amazonaws.com/tensorflow/cu112/smprof-0.3.334-cp39-cp39-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/tensorflow/cu112/smprof-0.3.334-cp39-cp39-linux_x86_64.whl)
+ Python3.10, CUDA 11.8: [`https://smppy.s3.amazonaws.com/tensorflow/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl`](https://smppy.s3.amazonaws.com/tensorflow/cu118/smprof-0.3.334-cp310-cp310-linux_x86_64.whl)

Per ulteriori informazioni su come installare SageMaker Profiler utilizzando i file binari, vedere. [(Opzionale) Installa il pacchetto SageMaker Profiler Python](profiler-prepare.md#profiler-install-python-package)

## Supportata Regioni AWS
<a name="profiler-support-regions"></a>

SageMaker Profiler è disponibile di seguito. Regioni AWS
+ Stati Uniti orientali (Virginia settentrionale) (`us-east-1`)
+ Stati Uniti orientali (Ohio) (`us-east-2`)
+ Stati Uniti occidentali (Oregon) (`us-west-2`)
+ Europa (Francoforte) (`eu-central-1`)
+ Europa (Irlanda) (`eu-west-1`)

## Tipi di istanze supportati
<a name="profiler-support-instance-types"></a>

SageMaker Profiler supporta la profilazione dei lavori di formazione sui seguenti tipi di istanza.

**Profilazione di CPU e GPU**
+ `ml.g4dn.12xlarge`
+ `ml.g5.24xlarge`
+ `ml.g5.48xlarge`
+ `ml.p3dn.24xlarge`
+ `ml.p4de.24xlarge`
+ `ml.p4d.24xlarge`
+ `ml.p5.48xlarge`

**Solo profilazione di GPU**
+ `ml.g5.2xlarge`
+ `ml.g5.4xlarge`
+ `ml.g5.8xlarge`
+ `ml.g5.16.xlarge`