기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Studio IDE 내의 HyperPod 클러스터에서 기계 학습 워크로드를 시작할 수 있습니다. IDEs HyperPod 클러스터에서 Studio IDEs를 시작하면 시작하는 데 도움이 되는 명령 세트를 사용할 수 있습니다. Studio IDEs. 다음 섹션에서는 클러스터를 Studio IDEs에 연결하는 방법에 대한 정보를 제공합니다.
Amazon SageMaker Studio에서 HyperPod 클러스터(컴퓨팅 아래)의 클러스터 중 하나로 이동하여 클러스터 목록을 볼 수 있습니다. 작업 아래에 나열된 IDE에 클러스터를 연결할 수 있습니다.
옵션 목록에서 사용자 지정 파일 시스템을 선택할 수도 있습니다. 이 설정을 가져오는 방법에 대한 자세한 내용은 섹션을 참조하세요Studio에서 HyperPod 설정.
또는를 사용하여 스페이스를 생성하고 IDE를 시작할 수 있습니다 AWS CLI. 이렇게 하려면 다음 명령을 사용합니다. 다음 예제에서는 fs-iduser-profile-namePrivateJupyterLab스페이스를 생성합니다.
-
를 사용하여 스페이스를 생성합니다
create-spaceAWS CLI. aws sagemaker create-space \ --regionyour-region\ --ownership-settings "OwnerUserProfileName=user-profile-name" \ --space-sharing-settings "SharingType=Private" \ --space-settings "AppType=JupyterLab,CustomFileSystems=[{FSxLustreFileSystem={FileSystemId=fs-id}}]" -
를 사용하여 앱을 생성합니다
create-appAWS CLI. aws sagemaker create-app \ --regionyour-region\ --space-namespace-name\ --resource-spec '{"ec2InstanceType":"'"instance-type"'","appEnvironmentArn":"'"image-arn"'"}'
애플리케이션을 연 후에는 연결된 클러스터에 직접 작업을 제출할 수 있습니다.
