本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 训练深度图网络入门
<a name="deep-graph-library-get-started"></a>

DGL 可在 Amazon ECR 中用作深度学习容器。在 Amazon SageMaker 笔记本中编写评估程序函数时，可以选择深度学习容器。您也可以按照[自带容器指南](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms.html)中的说明，使用 DGL 制作自己的自定义容器。开始使用深度图网络的最简单方法是使用 Amazon Elastic Container Registry 中的 DGL 容器之一。  

**注意**  
 后端框架支持仅限于 PyTorch 和 MXNet。

**设置**  
如果您使用的是 Amazon SageMaker Studio，则需要先克隆示例存储库。如果您使用的是笔记本实例，则可以通过选择左侧工具栏底部的 SageMaker AI 图标来查找示例。

**克隆 Amazon SageMaker 开发工具包和笔记本示例存储库**

1. 从 Amazon SageMaker AI 中的 **JupyterLab** 视图，转到左侧工具栏顶部的**文件浏览器**。从**文件浏览器面板**中，您会在面板顶部看到新的导航。

1. 选择最右侧的图标来克隆 Git 存储库。

1. 添加存储库 URL：[https://github.com/awslabs/amazon-sagemaker-examples.git](https://github.com/awslabs/amazon-sagemaker-examples.git) 

1. 浏览新添加的文件夹及其内容。DGL 示例存储在 **sagemaker-python-sdk** 文件夹中。

**训练**  
设置完成后，您就可以训练深度图网络了。