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

# 다양한 유형의 인스턴스 로컬 스토리지에 대한 스토리지 경로 관리
<a name="model-train-storage-tips-considerations"></a>

SageMaker AI에서 훈련 작업의 스토리지 경로를 설정할 경우 다음 사항을 고려합니다.
+ 분산 훈련용 훈련 아티팩트를 `/opt/ml/output/data` 디렉터리에 저장하려면 모델 정의 또는 훈련 스크립트를 통해 하위 디렉터리를 올바르게 추가하거나, 해당 아티팩트에 고유한 파일 이름을 사용해야 합니다. 하위 디렉터리 및 파일 이름이 제대로 구성되지 않는다면 모든 분산 훈련 작업자가 Amazon S3의 동일한 출력 경로에 있는 동일한 파일 이름에 출력을 기록할 수 있습니다.
+ 사용자 지정 훈련 컨테이너를 사용할 경우에는 SageMaker 훈련 작업에 필요한 환경을 설정하는 데 도움이 될 [SageMaker Training Toolkit](https://github.com/aws/sagemaker-training-toolkit)을 설치해야 합니다. 그렇지 않으면 Dockerfile에서 환경 변수를 명시적으로 지정해야 합니다. 자세한 정보는 [자체 알고리즘과 모델을 사용하여 컨테이너 생성](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers-create.html)을 참조하세요.
+ [NVMe SSD 볼륨](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ssd-instance-store.html#nvme-ssd-volumes)이 있는 ML 인스턴스를 사용할 경우, SageMaker AI는 Amazon EBS gp2 스토리지를 프로비저닝하지 않습니다. 사용 가능한 스토리지는 NVMe 유형 인스턴스의 스토리지 용량으로 고정됩니다. SageMaker AI는 훈련 데이터세트, 체크포인트, 모델 아티팩트 및 출력의 스토리지 경로를 구성하여 인스턴스 스토리지의 전체 용량을 사용합니다. 그 예로 NVMe 유형 인스턴스 스토리지가 있는 ML 인스턴스 패밀리에는 `ml.p4d`, `ml.g4dn`, `ml.g5`이(가) 포함됩니다. EBS 전용 스토리지 옵션이 있고 인스턴스 스토리지가 없는 ML 인스턴스를 사용할 경우, SageMaker AI 예측기 클래스(또는 `ResourceConfig` API를 사용할 경우 `VolumeSizeInGB`)의 `volume_size` 파라미터를 통해 EBS 볼륨의 크기를 정의해야 합니다. 그 예로 EBS 볼륨을 사용하는 ML 인스턴스 패밀리에는 `ml.c5` 및 `ml.p2`이(가) 포함됩니다. 인스턴스 유형과 그 인스턴스 스토리지 유형 및 볼륨을 조회하려면 [Amazon EC2 인스턴스 유형](https://aws.amazon.com/ec2/instance-types/)을 참조하세요.
+ SageMaker 훈련 작업의 기본 경로는 ML 인스턴스의 Amazon EBS 볼륨 또는 NVMe SSD 볼륨에 마운트됩니다. 훈련 스크립트를 SageMaker AI에 맞게 조정할 때 [SageMaker AI 환경 변수 및 훈련 스토리지 위치의 기본 경로](model-train-storage-env-var-summary.md)에 관한 이전 주제에 나열된 기본 경로를 사용해야 합니다. 훈련 기간 동안 큰 객체를 임시로 저장하기 위한 스크래치 공간으로 `/tmp` 디렉터리를 사용하는 것이 좋습니다. 다시 말해, 공간 부족 오류를 방지하기 위해서는 시스템에 할당된 작은 디스크 공간에 마운트된 디렉터리(예: `/user` 및 `/home`)를 사용해서는 안 됩니다.

자세한 내용은 AWS 기계 학습 블로그 [데이터 소스 및 입력 모드의 사례 연구 및 성능 벤치마크에 대해 자세히 설명하는 Amazon SageMaker 훈련 작업에 가장 적합한 데이터 소스 선택을 참조하세요](https://aws.amazon.com/blogs/machine-learning/choose-the-best-data-source-for-your-amazon-sagemaker-training-job/).