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。

# 独自の深層学習モデルを持ち込む
<a name="training-compiler-modify-scripts"></a>

**重要**  
Amazon Web Services (AWS) は、SageMaker Training Compiler の新しいリリースやバージョンがないことを発表しました。SageMaker Training では、既存の AWS Deep Learning Containers (DLC) を通じて SageMaker Training Compiler を引き続き使用できます。既存の DLCs は引き続きアクセス可能ですが、 [AWS Deep Learning Containers Framework サポートポリシー](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html)に従って AWS、 からパッチや更新を受け取ることはできなくなります。

このガイドでは、トレーニングスクリプトをコンパイラで高速化されたトレーニングジョブに適応させる方法を説明します。トレーニングスクリプトの準備は、次の内容に応じて異なります。
+ シングルコアトレーニングや分散トレーニングなどのトレーニング設定。
+ トレーニングスクリプトの作成に使用するフレームワークとライブラリ。

使用するフレームワークに応じて、次のトピックのいずれかを選択します。

**Topics**
+ [PyTorch](training-compiler-pytorch-models.md)
+ [TensorFlow](training-compiler-tensorflow.md)

**注記**  
トレーニングスクリプトの準備が完了したら、SageMaker AI フレームワーク推定器クラスを使用して SageMaker トレーニングジョブを実行できます。詳細については、「[SageMaker Training Compiler を有効化する](training-compiler-enable.md)」の前述のトピックを参照してください。