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

# 딥 러닝을 위한 사전 구축된 SageMaker AI Docker 이미지
<a name="pre-built-containers-frameworks-deep-learning"></a>

Amazon SageMaker AI는 딥 러닝 프레임워크 및 훈련 및 추론에 필요한 기타 종속성을 포함하는 사전 구축된 Docker 이미지를 제공합니다. SageMaker AI에서 관리하는 사전 구축된 Docker 이미지의 전체 목록은 [Docker 레지스트리 경로 및 예시 코드](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html)를 참조하세요.

## SageMaker AI Python SDK 사용
<a name="pre-built-containers-frameworks-deep-learning-sdk"></a>

[ SageMaker Python SDK](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk)와 함께 이러한 인기 있는 딥 러닝 프레임워크를 사용하여 모델을 훈련하고 배포할 수 있습니다. SDK를 설치 및 사용하는 지침은 [https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk)를 참조하세요. 다음 표에는 사용 가능한 프레임워크와 이를 [SageMaker Python SDK](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk)와 함께 사용하는 방법에 대한 지침이 나와 있습니다.


| 프레임워크 | 지침 | 
| --- | --- | 
| TensorFlow |  [SageMaker Python SDK에서 TensorFlow 사용](https://sagemaker.readthedocs.io/en/stable/frameworks/tensorflow/using_tf.html)  | 
| MXNet |  [SageMaker Python SDK에서 MXNet 사용](https://sagemaker.readthedocs.io/en/stable/frameworks/mxnet/using_mxnet.html)  | 
| PyTorch |  [SageMaker Python SDK에서 PyTorch 사용](https://sagemaker.readthedocs.io/en/stable/frameworks/pytorch/using_pytorch.html)  | 
| Chainer |  [SageMaker Python SDK에서 Chainer 사용](https://sagemaker.readthedocs.io/en/stable/frameworks/chainer/using_chainer.html)  | 
| Hugging Face |  [SageMaker Python SDK에서 Hugging Face 사용](https://sagemaker.readthedocs.io/en/stable/frameworks/huggingface/index.html)  | 

## 사전 구축된 SageMaker AI Docker 이미지 확장
<a name="pre-built-containers-frameworks-deep-learning-adapt"></a>

이러한 사전 구축된 컨테이너를 사용자 지정하거나 필요에 따라 확장할 수 있습니다. 이 최적화를 통해 사전 구축된 SageMaker AI Docker 이미지가 지원하지 않는 알고리즘 또는 모델에 대한 추가 기능 요구 사항을 처리할 수 있습니다. 이에 대한 예는 [Fine-tuning and deploying a BERTopic model on SageMaker AI with your own scripts and dataset, by extending existing PyTorch containers](https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/pytorch_extend_container_train_deploy_bertopic/BERTtopic_extending_container.html)를 참조하세요.

사용자는 또한, 사전 구축된 컨테이너를 사용자 지정 모델 또는 SageMaker AI 이외의 프레임워크에서 훈련된 모델을 배포하는 데 사용할 수 있습니다. 이 프로세스에 대한 개요는 [Bring Your Own Pretrained MXNet or TensorFlow Models into Amazon SageMaker](https://aws.amazon.com/blogs/machine-learning/bring-your-own-pre-trained-mxnet-or-tensorflow-models-into-amazon-sagemaker/)를 참조하세요. 이 자습서에서는 훈련된 모델 아티팩트를 SageMaker AI로 가져와 엔드포인트에서 호스팅하는 방법을 다룹니다.