딥 러닝을 위한 사전 빌드된 SageMaker Docker 이미지

SageMaker Amazon은 딥 러닝 프레임워크와 교육 및 추론에 필요한 기타 종속성을 포함하는 사전 빌드된 Docker 이미지를 제공합니다. 에서 관리하는 사전 빌드된 Docker 이미지의 전체 목록은 Docker 레지스트리 경로 및 예제 SageMaker 코드를 참조하십시오.

SageMakerPython SDK 사용하기

SageMaker Python SDK를 사용하면 이러한 인기 있는 딥 러닝 프레임워크를 사용하여 모델을 학습하고 배포할 수 있습니다. SDK 설치 및 사용에 대한 지침은 Amazon SageMaker Python SDK를 참조하십시오. 다음 표에는 사용 가능한 프레임워크와 SageMaker Python SDK와 함께 사용하는 방법에 대한 지침이 나와 있습니다.

프레임워크	지침
TensorFlow	SageMaker Python TensorFlow SDK와 함께 사용
MXNet	파이썬 SDK와 함께 MXNet을 사용하기 SageMaker
PyTorch	SageMaker Python PyTorch SDK와 함께 사용
Chainer	SageMaker 파이썬 SDK와 함께 체이너 사용하기
Hugging Face	SageMaker Python SDK와 함께 Hugging Face를 사용하기

사전 빌드된 도커 이미지 확장 SageMaker

이러한 사전 빌드된 컨테이너를 사용자 지정하거나 필요에 따라 확장할 수 있습니다. 이 사용자 지정을 통해 사전 빌드된 SageMaker Docker 이미지에서 지원하지 않는 알고리즘 또는 모델에 대한 추가 기능 요구 사항을 처리할 수 있습니다. 이에 대한 예는 기존 컨테이너를 확장하여 자체 스크립트 및 데이터세트를 SageMaker 사용하여 BerTopic 모델을 미세 조정 및 배포하기를 참조하세요. PyTorch

또한 사전 빌드된 컨테이너를 사용하여 사용자 지정 모델 또는 다른 프레임워크에서 학습된 모델을 배포할 수 있습니다. SageMaker 프로세스에 대한 개요는 사전 훈련된 자체 MXnet 또는 TensorFlow 모델을 Amazon으로 가져오기를 참조하십시오. SageMaker 이 자습서에서는 학습된 모델 아티팩트를 엔드포인트로 SageMaker 가져와 엔드포인트에서 호스팅하는 방법을 다룹니다.