기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# SageMaker AI 일반 예측기를 사용하여 사전 구축된 DLC 컨테이너 확장
<a name="data-parallel-use-python-skd-api"></a>

사전 구축된 SageMaker AI Docker 이미지가 지원하지 않는 알고리즘 또는 모델에 대한 추가 기능 요구 사항을 처리할 수 있도록 SageMaker AI 사전 구축 컨테이너를 사용자 지정 또는 확장할 수 있습니다. 사전 빌드된 컨테이너를 확장하는 방법에 대한 예제는 [사전 빌드된 컨테이너 확장](https://docs.aws.amazon.com/sagemaker/latest/dg/prebuilt-containers-extend.html)을 참조하세요.

미리 빌드된 컨테이너를 확장하거나 라이브러리를 사용하도록 자체 컨테이너를 조정하려면 [지원되는 프레임워크](distributed-data-parallel-support.md#distributed-data-parallel-supported-frameworks)에 나열된 이미지 중 하나를 사용해야 합니다.

**참고**  
TensorFlow 2.4.1과 PyTorch 1.8.1부터 SageMaker AI 프레임워크 DLC는 EFA 지원 인스턴스 유형을 지원합니다. TensorFlow 2.4.1 이상 및 PyTorch 1.8.1 이상이 포함된 DLC 이미지를 사용하는 것이 좋습니다.

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 키트](https://github.com/aws/sagemaker-training-toolkit)와 SageMaker AI 분산 데이터 병렬 라이브러리의 바이너리 파일을 사용하여 SageMaker AI에서 작동하도록 자체 Docker 컨테이너를 추가로 사용자 지정할 수 있습니다. 자세한 내용은 다음 섹션의 지침을 참조하세요.