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

# Amazon SageMaker AI 모델 병렬화 라이브러리 v2 예시
<a name="distributed-model-parallel-v2-examples"></a>

이 페이지에서는 SageMaker AI 모델 병렬화(SMP) 라이브러리 v2를 구현하여 SageMaker AI에서 분산 훈련 작업을 실행하는 실제 예시를 보여주는 블로그 및 Jupyter Notebook 목록을 제공합니다.

## 블로그 및 사례 연구
<a name="distributed-model-parallel-v2-examples-blog"></a>

다음 블로그에서는 SMP v2 사용에 대한 사례 연구를 설명합니다.
+ [Amazon SageMaker AI 모델 병렬 라이브러리는 이제 PyTorch FSDP 워크로드를 최대 20% 가속화합니다.](https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-model-parallel-library-now-accelerates-pytorch-fsdp-workloads-by-up-to-20/)

## PyTorch 예제 노트북
<a name="distributed-model-parallel-examples-v2-pytorch"></a>

예시 노트북은 [SageMaker AI 예시 GitHub 리포지토리](https://github.com/aws/amazon-sagemaker-examples/tree/master/training/distributed_training/)에서 제공됩니다. 예제를 다운로드하려면 다음 명령을 실행하여 리포지토리를 복제하고 `training/distributed_training/pytorch/model_parallel_v2`로 이동합니다.

**참고**  
다음 SageMaker AI ML IDE에서 예시 노트북을 복제하고 실행합니다.  
[SageMaker JupyterLab](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-jl.html)(2023년 12월 이후에 생성된 [Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated.html)에서 사용 가능)
[SageMaker 코드 편집기](https://docs.aws.amazon.com/sagemaker/latest/dg/code-editor.html)(2023년 12월 이후에 생성된 [Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated.html)에서 사용 가능)
[Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio.html)(2023년 12월 이후에 생성된 [Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated.html)에서 애플리케이션으로 사용 가능)
[SageMaker Notebook 인스턴스스](https://docs.aws.amazon.com/sagemaker/latest/dg/nbi.html)

```
git clone https://github.com/aws/amazon-sagemaker-examples.git
cd amazon-sagemaker-examples/training/distributed_training/pytorch/model_parallel_v2
```

**SMP v2 예제 노트북**
+ [P5 인스턴스에서 FP8 훈련을 실행하여 SMP v2, PyTorch FSDP 및 Transformer Engine을 사용한 Llama v2 훈련 가속화](https://github.com/aws/amazon-sagemaker-examples/blob/main/training/distributed_training/pytorch/model_parallel_v2/llama_v2/smp-train-llama-fsdp-tp-fp8.ipynb)
+ [텐서 병렬 처리, 하이브리드 샤딩 및 활성화 오프로딩을 사용하여 대규모로 SMP v2 및 PyTorch FSDP를 사용하여 Llama v2를 미세 조정](https://github.com/aws/amazon-sagemaker-examples/blob/main/training/distributed_training/pytorch/model_parallel_v2/llama_v2/smp-finetuning-llama-fsdp-tp.ipynb)
+ [SMP v2 및 PyTorch FSDP로 대규모 GPT-NeoX 훈련](https://github.com/aws/amazon-sagemaker-examples/blob/main/training/distributed_training/pytorch/model_parallel_v2/gpt-neox/smp-train-gpt-neox-fsdp-tp.ipynb)
+ [텐서 병렬 처리, 하이브리드 샤딩 및 활성화 오프로딩을 사용하여 대규모로 SMP v2 및 PyTorch FSDP를 사용하여 GPT-NeoX를 미세 조정](https://github.com/aws/amazon-sagemaker-examples/blob/main/training/distributed_training/pytorch/model_parallel_v2/gpt-neox/smp-finetuning-gpt-neox-fsdp-tp.ipynb)