기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 이미지 분류 - TensorFlow
[Amazon SageMaker 이미지 분류 - TensorFlow 알고리즘은 TensorFlow Hub](https://tfhub.dev/s?fine-tunable=yes&module-type=image-classification&subtype=module,placeholder&tf-version=tf2)에서 사전 훈련된 여러 모델을 사용하여 전이 학습을 지원하는 지도 학습 알고리즘입니다. 대량의 이미지 데이터를 사용할 수 없는 경우에도 전이 학습을 사용하여 자체 데이터세트에서 사용 가능한 사전 훈련된 모델 중 하나를 미세 조정할 수 있습니다. 이미지 분류 알고리즘은 이미지를 입력으로 받아 제공된 각 클래스 레이블에 대한 확률을 출력합니다. 훈련 데이터세트는 .jpg, .jpeg 또는.png 형식의 이미지로 구성되어야 합니다. 이 페이지에는 Amazon EC2 인스턴스 권장 사항 및 이미지 분류 - TensorFlow용 샘플 노트북에 대한 정보가 포함되어 있습니다.
**Topics**
+ [SageMaker 이미지 분류 사용 방법 - TensorFlow 알고리즘](IC-TF-how-to-use.md)
+ [이미지 분류 - TensorFlow 알고리즘의 입력/출력 인터페이스](IC-TF-inputoutput.md)
+ [이미지 분류 - TensorFlow 알고리즘에 대한 Amazon EC2 인스턴스 권장 사항](#IC-TF-instances)
+ [이미지 분류 - TensorFlow 샘플 노트북](#IC-TF-sample-notebooks)
+ [이미지 분류 - TensorFlow 작동 방식](IC-TF-HowItWorks.md)
+ [TensorFlow Hub 모델](IC-TF-Models.md)
+ [이미지 분류 - 텐서플로우 하이퍼파라미터](IC-TF-Hyperparameter.md)
+ [이미지 분류 - TensorFlow 모델 튜닝](IC-TF-tuning.md)
## 이미지 분류 - TensorFlow 알고리즘에 대한 Amazon EC2 인스턴스 권장 사항
이미지 분류 - TensorFlow 알고리즘은 다음을 포함하여 훈련을 위한 모든 CPU 및 GPU 인스턴스를 지원합니다.
+ `ml.p2.xlarge`
+ `ml.p2.16xlarge`
+ `ml.p3.2xlarge`
+ `ml.p3.16xlarge`
+ `ml.g4dn.xlarge`
+ `ml.g4dn.16.xlarge`
+ `ml.g5.xlarge`
+ `ml.g5.48xlarge`
배치 크기가 큰 훈련에 대해 메모리가 더 많은 GPU 인스턴스를 사용하는 것이 좋습니다. CPU(예: M5) 및 GPU(P2, P3, G4dn 또는 G5) 인스턴스를 모두 추론에 사용할 수 있습니다.
## 이미지 분류 - TensorFlow 샘플 노트북
사용자 지정 데이터세트에서 전이 학습을 위해 이미지 분류 - TensorFlow 알고리즘을 사용하는 방법에 대한 자세한 내용은 [SageMaker TensorFlow - 이미지 분류 소개](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/image_classification_tensorflow/Amazon_TensorFlow_Image_Classification.ipynb) 노트북을 참조하세요.
SageMaker AI에서 예시 실행에 사용할 수 있는 Jupyter Notebook 인스턴스를 만들고 이 인스턴스에 액세스하는 방법에 대한 설명은 [Amazon SageMaker 노트북 인스턴스](nbi.md) 섹션을 참조하세요. 노트북 인스턴스를 만들고 연 후에는 **SageMaker AI 예시** 탭을 선택하여 모든 SageMaker AI 샘플의 목록을 확인합니다. 노트북을 열려면 **사용** 탭을 선택한 후 **사본 생성**을 선택합니다.