쿠키 기본 설정 선택

당사는 사이트와 서비스를 제공하는 데 필요한 필수 쿠키 및 유사한 도구를 사용합니다. 고객이 사이트를 어떻게 사용하는지 파악하고 개선할 수 있도록 성능 쿠키를 사용해 익명의 통계를 수집합니다. 필수 쿠키는 비활성화할 수 없지만 '사용자 지정' 또는 ‘거부’를 클릭하여 성능 쿠키를 거부할 수 있습니다.

사용자가 동의하는 경우 AWS와 승인된 제3자도 쿠키를 사용하여 유용한 사이트 기능을 제공하고, 사용자의 기본 설정을 기억하고, 관련 광고를 비롯한 관련 콘텐츠를 표시합니다. 필수가 아닌 모든 쿠키를 수락하거나 거부하려면 ‘수락’ 또는 ‘거부’를 클릭하세요. 더 자세한 내용을 선택하려면 ‘사용자 정의’를 클릭하세요.

프레임워크 프로세서를 사용한 데이터 처리

포커스 모드
프레임워크 프로세서를 사용한 데이터 처리 - Amazon SageMaker AI

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

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

는 지정된 기계 학습 프레임워크로 처리 작업을 실행하여 사용자가 선택한 기계 학습 프레임워크에 대한 Amazon SageMaker AI 관리형 컨테이너를 제공할 FrameworkProcessor 수 있습니다. FrameworkProcessor는 Hugging Face, MXNet, PyTorch, TensorFlow 및 XGBoost 기계 학습 프레임워크를 위한 사전 제작된 컨테이너를 제공합니다.

또한, 이 FrameworkProcessor 클래스는 컨테이너 구성을 사용자 지정할 수 있는 기능을 제공합니다. 이 FrameworkProcessor 클래스는 프로세싱 스크립트 및 종속성에 대해 소스 디렉터리 source_dir 지정을 지원합니다. 이 기능을 사용하면 하나의 스크립트만 지정하는 대신 프로세서가 디렉터리의 여러 스크립트에 액세스할 수 있도록 할 수 있습니다. 또한, FrameworkProcessor는 컨테이너에 설치할 Python 라이브러리를 사용자 지정하기 위해 source_dirrequirements.txt 파일을 포함하는 것도 지원합니다.

FrameworkProcessor 클래스와 해당 메서드 및 파라미터에 대한 자세한 내용은 Amazon SageMaker AI Python SDKFrameworkProcessor를 참조하세요.

지원되는 각 기계 학습 프레임워크에 FrameworkProcessor를 사용하는 예를 보려면 다음 주제를 참고하세요.

프라이버시사이트 이용 약관쿠키 기본 설정
© 2025, Amazon Web Services, Inc. 또는 계열사. All rights reserved.