딥 러닝을 위한 사전 구축된 SageMaker Docker 이미지

Amazon SageMaker는 딥 러닝 프레임워크 및 훈련 및 추론에 필요한 기타 종속성을 포함하는 사전 구축된 Docker 이미지를 제공합니다. SageMaker에서 관리하는 사전 구축된 Docker 이미지의 전체 목록은 Docker 레지스트리 경로 및 예제 코드를 참고하십시오.

SageMaker Python SDK 사용하기

SageMaker Python SDK와 함께 이러한 인기 있는 딥 러닝 프레임워크를 사용하여 모델을 훈련하고 배포할 수 있습니다. SDK를 설치 및 사용하는 지침은 Amazon SageMaker Python SDK를 참고하십시오. 다음 표에는 사용 가능한 프레임워크와 이를 SageMaker Python SDK와 함께 사용하는 방법에 대한 지침이 나와 있습니다.

프레임워크	지침
TensorFlow	SageMaker Python SDK에서 TensorFlow 사용
MXNet	SageMaker Python SDK에서 MXNet 사용
PyTorch	SageMaker Python SDK에서 PyTorch 사용
Chainer	SageMaker Python SDK에서 Chainer 사용
Hugging Face	SageMaker Python SDK에서 Hugging Face 사용

사전 구축된 SageMaker Docker 이미지 확장

사용자는 사전 구축된 SageMaker Docker 이미지가 지원하지 않는 알고리즘 또는 모델에 대한 추가 기능 요구 사항을 처리할 수 있도록 이렇게 사전 구축 컨테이너를 사용자 지정 또는 확장할 수 있습니다. 예를 들어, 기존 PyTorch 컨테이너를 확장하여 자체 스크립트 및 데이터세트로 SageMaker에서 BERTopic 모델을 미세 조정 및 배포하기를 참고하십시오.

사용자는 또한, 사전 구축된 컨테이너를 사용자 지정 모델 또는 SageMaker 이외의 프레임워크에서 훈련된 모델을 배포하는 데 사용할 수 있습니다. 훈련된 모델 아티팩트를 SageMaker로 가져와 엔드포인트에서 호스팅하는 프로세스의 개요는 사전 훈련된 MXNet 또는 TensorFlow 모델을 Amazon SageMaker로 가져오기를 참고하십시오.