SageMaker AI 일반 예측기를 사용하여 사전 구축된 DLC 컨테이너 확장

SageMaker AI 사전 구축된 컨테이너를 사용자 지정하거나 확장하여 사전 구축된 SageMaker AI Docker 이미지가 지원하지 않는 알고리즘 또는 모델의 추가 기능 요구 사항을 처리할 수 있습니다. 사전 빌드된 컨테이너를 확장하는 방법에 대한 예제는 사전 빌드된 컨테이너 확장을 참조하세요.

미리 빌드된 컨테이너를 확장하거나 라이브러리를 사용하도록 자체 컨테이너를 조정하려면 지원되는 프레임워크에 나열된 이미지 중 하나를 사용해야 합니다.

예를 들어 PyTorch를 사용하는 경우 Dockerfile에는 다음과 같은 FROM 문이 포함되어야 합니다.

# SageMaker AI 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 AI PyTorch container to determine our user code directory.
ENV SAGEMAKER_SUBMIT_DIRECTORY /opt/ml/code

# /opt/ml and all subdirectories are utilized by SageMaker AI, 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

SageMaker 훈련 도구 키트와 SageMaker AI 분산 데이터 병렬 라이브러리의 바이너리 파일을 사용하여 SageMaker AI로 작업하도록 자체 Docker 컨테이너를 추가로 사용자 지정할 수 있습니다. SageMaker 자세한 내용은 다음 섹션의 지침을 참조하세요.