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

# SageMaker 훈련 작업 실행
<a name="cluster-specific-configurations-run-sagemaker-training-job"></a>

SageMaker HyperPod 레시피는 SageMaker 훈련 작업 제출을 지원합니다. 훈련 작업을 제출하기 전에 클러스터 구성인 `sm_job.yaml`을 업데이트하고 해당 환경을 설치해야 합니다.

## 레시피를 SageMaker 훈련 작업으로 사용
<a name="cluster-specific-configurations-cluster-config-sm-job-yaml"></a>

클러스터를 호스팅하지 않는 경우 레시피를 SageMaker 훈련 작업으로 사용할 수 있습니다. 레시피를 실행하려면 SageMaker 훈련 작업 구성 파일인 `sm_job.yaml`을 수정해야 합니다.

```
sm_jobs_config:
  output_path: null 
  tensorboard_config:
    output_path: null 
    container_logs_path: null
  wait: True 
  inputs: 
    s3: 
      train: null
      val: null
    file_system:  
      directory_path: null
  additional_estimator_kwargs: 
    max_run: 1800
```

1. `output_path`: 모델을 Amazon S3 URL에 저장할 위치를 지정할 수 있습니다.

1. `tensorboard_config`: 출력 경로 또는 TensorBoard 로그 경로와 같은 TensorBoard 관련 구성을 지정할 수 있습니다.

1. `wait`: 훈련 작업을 제출할 때 작업이 완료될 때까지 기다릴지를 지정할 수 있습니다.

1. `inputs`: 훈련 및 검증 데이터의 경로를 지정할 수 있습니다. 데이터 소스는 Amazon FSx 또는 Amazon S3 URL과 같은 공유 파일 시스템에서 가져올 수 있습니다.

1. `additional_estimator_kwargs`: 훈련 작업을 SageMaker 훈련 작업 플랫폼에 제출하기 위한 추가 예측기 인수입니다. 자세한 내용은 [Algorithm Estimator](https://sagemaker.readthedocs.io/en/stable/api/training/algorithm.html)를 참조하세요.