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

# 모델 병렬 처리를 사용하여 SageMaker 분산 훈련 작업 실행
<a name="model-parallel-use-api"></a>

SageMaker 모델 병렬 처리 라이브러리와 함께 SageMaker Python SDK를 사용하여 자체 훈련 스크립트의 모델 병렬 훈련 작업을 실행하는 방법을 알아봅니다.

SageMaker 훈련 작업을 실행하기 위한 세 가지 사용 사례 시나리오가 있습니다.

1. TensorFlow 및 PyTorch용 사전 구축된 AWS 딥 러닝 컨테이너 중 하나를 사용할 수 있습니다. 모델 병렬 라이브러리를 처음 사용하는 경우 이 옵션을 사용하는 것이 좋습니다. SageMaker 모델 병렬에 관한 훈련 작업을 실행하는 방법에 대한 자습서를 찾으려면 [PyTorch training with Amazon SageMaker AI's model parallelism library](https://github.com/aws/amazon-sagemaker-examples/tree/main/training/distributed_training/pytorch/model_parallel)의 예시 노트북을 참조하세요.

1. 사전 빌드된 SageMaker 도커 이미지가 지원하지 않는 알고리즘 또는 모델에 대한 추가 기능 요구 사항을 처리할 수 있도록 사전 구축 컨테이너를 확장할 수 있습니다. 사전 빌드된 컨테이너를 확장하는 방법에 대한 예를 찾으려면 [사전 빌드 컨테이너 확장](prebuilt-containers-extend.md) 섹션을 참조하세요.

1. [SageMaker 훈련 도구 키트](https://github.com/aws/sagemaker-training-toolkit)를 사용하여 SageMaker AI와 함께 작동하도록 자체 Docker 컨테이너를 조정할 수 있습니다. 예제는 [자체 훈련 컨테이너 조정](https://docs.aws.amazon.com/sagemaker/latest/dg/adapt-training-container.html)을 참조하세요.

위 목록의 옵션 2와 3에 대해서 확장 또는 사용자 정의 Docker 컨테이너에 모델 병렬 라이브러리를 설치하는 방법을 알아보려면 [SageMaker의 분산 모델 병렬 라이브러리가 포함된 사전 빌드된 Docker 컨테이너 확장](model-parallel-sm-sdk.md#model-parallel-customize-container) 섹션을 참조하세요.

모든 경우에 SageMaker `TensorFlow` 또는 `PyTorch` 예측기를 구성하여 라이브러리를 활성화하는 훈련 작업을 시작합니다. 자세한 내용은 다음 주제를 참조하세요.

**Topics**
+ [1단계: SageMaker의 분산 모델 병렬 라이브러리를 사용하여 자체 훈련 스크립트 수정](model-parallel-customize-training-script.md)
+ [2단계: SageMaker Python SDK를 사용하여 훈련 작업 시작](model-parallel-sm-sdk.md)