SageMaker Workshop: Tensorflow-Keras 모델을 Amazon SageMaker에서 학습하기

본 문서는 Running your TensorFlow Models in SageMaker Workshop 의 한국어 버전이며, 원본과 다른 점들은 아래와 같습니다.

• Minor한 오타 수정
• 보충 설명 대폭 추가
• 솔루션 코드 포함 (원본 버전은 코드 솔루션이 제공되지 않습니다.)
• TensorFlow 1.14 및 2.0 대응 (원본은 TensorFlow 1.12 대응)

Introduction

TensorFlow™를 통해 개발자는 클라우드에서 딥러닝을 쉽고 빠르게 시작할 수 있습니다. 이 프레임워크는 다양한 산업 분아에서 사용되고 있으며 특히 컴퓨터 비전, 자연어 이해 및 음성 번역과 같은 영역에서 딥러닝 연구 및 응용 프로그램 개발에 널리 사용됩니다. 머신 러닝 모델을 대규모로 구축, 학습 및 배포 할 수있는 플랫폼인 Amazon SageMaker를 통해 완전히 관리되는(fully-managed) TensorFlow 환경에서 AWS를 시작할 수 있습니다.

Use Machine Learning Frameworks with Amazon SageMaker

Amazon SageMaker Python SDK는 다양한 머신러닝 및 딥러닝 프레임워크(framework)를 사용하여 Amazon SageMaker에서 모델을 쉽게 학습하고 배포할 수 있는 오픈 소스 API 및 컨테이너(containers)를 제공합니다. Amazon SageMaker Python SDK에 대한 일반적인 정보는 https://sagemaker.readthedocs.io/ 를 참조하세요.

Amazon SageMaker를 사용하여 사용자 지정 TensorFlow 코드를 사용하여 모델을 학습하고 배포할 수 있습니다. Amazon SageMaker Python SDK TensorFlow Estimator 및 model과 Amazon SageMaker 오픈 소스 TensorFlow 컨테이너를 사용하면 TensorFlow 스크립트를 작성하고 Amazon SageMaker에서 쉽게 실행할 수 있습니다.

이 워크샵에서는 TensorFlow 샘플 코드를 Amazon SageMaker에서 실행하는 방법을 소개합니다. SageMaker Python SDK에서 TensorFlow를 사용하기 위한 자세한 정보는 API references를 참조해 주세요.

워크샵은 아래 5개의 모듈로 이루어져 있습니다.

1. Porting a TensorFlow script to run in SageMaker using SageMaker script mode.
   • Porting a TensorFlow script to run in SageMaker using SageMaker script mode. (TensorFlow 2.0)
2. Monitoring your training job using TensorBoard and Amazon CloudWatch metrics.
3. Optimizing your training job using SageMaker pipemode input.
4. Running a distributed training job.
5. Deploying your trained model on Amazon SageMaker.

License Summary

이 샘플 코드는 MIT-0 라이센스에 따라 제공됩니다. LICENSE 파일을 참조하십시오.