SageMaker 汎用推定器を使用して構築済みのDLCコンテナを拡張する - Amazon SageMaker

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

SageMaker 汎用推定器を使用して構築済みのDLCコンテナを拡張する

構築 SageMaker 済みコンテナをカスタマイズすることも、構築済み SageMaker Docker イメージがサポートしていないアルゴリズムやモデルの追加機能要件を処理するように拡張することもできます。構築済みコンテナを拡張する方法の例については、「構築済みコンテナを拡張する」を参照してください。

ビルド済みコンテナの拡張や、独自のコンテナをライブラリを使用するよう適応させるには、「サポートされるフレームワーク」に記載されているイメージのいずれかを使用する必要があります。

注記

TensorFlow 2.4.1 および PyTorch 1.8.1 以降、 SageMaker framework は EFA対応インスタンスタイプDLCsをサポートしています。 TensorFlow 2.4.1 以降と PyTorch 1.8.1 以降を含むDLCイメージを使用することをお勧めします。

例えば、 を使用する場合 PyTorch、Dockerfile には次のようなFROMステートメントが含まれている必要があります。

# SageMaker PyTorch image
FROM 763104351884.dkr.ecr.<aws-region>.amazonaws.com/pytorch-training:<image-tag>

ENV PATH="/opt/ml/code:${PATH}"

# this environment variable is used by the SageMaker PyTorch container to determine our user code directory.
ENV SAGEMAKER_SUBMIT_DIRECTORY /opt/ml/code

# /opt/ml and all subdirectories are utilized by SageMaker, use the /code subdirectory to store your user code.
COPY train.py /opt/ml/code/train.py

# Defines cifar10.py as script entrypoint
ENV SAGEMAKER_PROGRAM train.py

Training SageMaker ツールキットと SageMaker 分散データ並列ライブラリのバイナリファイル SageMaker を使用して、独自の Docker コンテナをさらにカスタマイズできます。詳細については、次のセクションを参照してください。