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

# HyperPod 클러스터에 연결 및 클러스터에 작업 제출
<a name="sagemaker-hyperpod-studio-open"></a>

Amazon SageMaker Studio IDE 내의 HyperPod 클러스터에서 기계 학습 워크로드를 시작할 수 있습니다. HyperPod 클러스터에서 Studio IDE를 가동할 때 시작하는 데 도움이 되는 명령 세트를 사용할 수 있습니다. Studio IDE 내에서 훈련 스크립트로 작업하고, 훈련 스크립트에 Docker 컨테이너를 사용하고, 클러스터에 작업을 제출할 수 있습니다. 다음 섹션에서는 클러스터를 Studio IDE에 연결하는 방법에 대한 정보를 제공합니다.

Amazon SageMaker Studio에서 **HyperPod 클러스터**의 **컴퓨팅** 아래에 있는 클러스터 중 하나로 이동하여 클러스터 목록을 볼 수 있습니다. **작업** 아래에 나열된 IDE에 클러스터를 연결할 수 있습니다.

옵션 목록에서 사용자 지정 파일 시스템을 선택할 수도 있습니다. 이 설정을 가져오는 방법에 대한 자세한 내용은 [Studio에서 HyperPod 설정](sagemaker-hyperpod-studio-setup.md) 섹션을 참조하세요.

또는 AWS CLI를 사용하여 스페이스를 생성하고 IDE를 시작할 수 있습니다. 이렇게 하려면 다음 명령을 사용합니다. 다음 예시에서는 `fs-id` FSx for Lustre 파일 시스템이 연결된 `user-profile-name`에 대한 `Private` `JupyterLab` 스페이스를 생성합니다.

1. 를 사용하여 스페이스를 생성합니다[https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-space.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-space.html) AWS CLI.

   ```
   aws sagemaker create-space \
   --region your-region \
   --ownership-settings "OwnerUserProfileName=user-profile-name" \
   --space-sharing-settings "SharingType=Private" \
   --space-settings "AppType=JupyterLab,CustomFileSystems=[{FSxLustreFileSystem={FileSystemId=fs-id}}]"
   ```

1. 를 사용하여 앱을 생성합니다[https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-app.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-app.html) AWS CLI.

   ```
   aws sagemaker create-app \
   --region your-region \
   --space-name space-name \
   --resource-spec '{"ec2InstanceType":"'"instance-type"'","appEnvironmentArn":"'"image-arn"'"}'
   ```

애플리케이션을 연 후에는 연결된 클러스터에 직접 작업을 제출할 수 있습니다.