本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用自有深度學習模型
<a name="training-compiler-modify-scripts"></a>

**重要**  
Amazon Web Services (AWS) 宣佈不再推出新版本的 SageMaker Training Compiler。您可以透過現有的 SageMaker 訓練 AWS 深度學習容器 (DLC)，繼續利用 SageMaker Training Compiler。請務必注意，雖然現有 DLCs仍可存取，但根據深度學習容器架構支援政策 AWS，他們將不再收到來自 的修補程式或更新。 [AWS](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html)

本指南將逐步引導您如何針對利用編譯器加速的訓練工作調整訓練指令碼。訓練指令碼的準備取決於以下內容：
+ 訓練設定，例如單核心或分散式訓練。
+ 用來建立訓練指令碼的架構與程式庫。

根據採用的架構，選擇下列其中一個主題。

**Topics**
+ [PyTorch](training-compiler-pytorch-models.md)
+ [TensorFlow](training-compiler-tensorflow.md)

**注意**  
在準備好訓練指令碼之後，您可以利用 SageMaker AI 架構估算器類別來執行 SageMaker 訓練任務。如需詳細資訊，請前往 [啟用 SageMaker Training Compiler](training-compiler-enable.md) 參閱前一主題。