기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 훈련 계획 생성
SageMaker 훈련 계획 기능을 사용하여 컴퓨팅 용량을 예약하려면 다음 단계를 따르세요.
1. **대상 리소스 식별:** 먼저 SageMaker 훈련 작업과 SageMaker HyperPod 클러스터 중 어느 것에 용량이 필요한지를 결정합니다.
1. **용량 요구 사항 지정:** 용량 요구 사항을 자세히 정의합니다. 여기에는 워크로드에 적합한 인스턴스 유형 선택, 필요한 인스턴스 수 결정, 사용 기간 지정이 포함됩니다. 지정된 AWS 리전, 기간 및 수량 옵션에서 지원되는 인스턴스 유형에 대한 자세한 내용은 섹션을 참조하세요[지원되는 인스턴스 유형 AWS 리전및 요금](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions).
1. **사용 가능한 훈련 계획 오퍼링 검색:** 요구 사항을 지정한 후 SageMaker 훈련 계획의 검색 기능을 사용하여 하나 이상의 세그먼트에서 사용 가능한 훈련 계획 오퍼링을 찾습니다. 각 오퍼링에는 시작 시간, 예약 용량의 특정 가용 영역, 예약 가격과 같은 세부 정보가 포함됩니다. 비용 효과, 지리적 선호 사항, 지정된 요구 사항 충족 여부와 같은 요소를 고려하여 이러한 오퍼링을 검토합니다.
적합한 계획을 사용할 수 없는 경우 검색 기준을 조정하고 새 오퍼링 세트를 찾습니다.
1. **적절한 오퍼링을 기반으로 훈련 계획 생성:** 적절한 오퍼링을 찾은 후 훈련 계획 생성을 진행합니다. 이 프로세스에는 결정한 오퍼링을 선택하고 예약을 시작하는 작업이 포함됩니다.
+ 훈련 계획 예약은 인보이스를 생성합니다.
+ 총 금액에 대한 결제는 이행 프로세스의 일부로 수금됩니다. 결제가 완료되면 SageMaker 훈련 작업을 예약하거나 HyperPod 클러스터를 생성할 준비가 된 것입니다.
SageMaker 훈련 작업에 훈련 계획을 사용하는 방법에 대한 자세한 내용은 [SageMaker 훈련 작업에 대한 훈련 계획 사용률](training-plan-utilization-for-training-jobs.md) 섹션을 참조하세요.
HyperPod 클러스터에 대한 훈련 계획을 사용하는 방법에 대한 자세한 내용은 [Amazon SageMaker HyperPod 클러스터의 훈련 계획 사용률](training-plan-utilization-for-hyperpod.md) 섹션을 참조하세요.
SageMaker AI 콘솔 또는 프로그래밍 방법을 사용하여 훈련 계획을 생성할 수 있습니다. SageMaker AI 콘솔은 옵션을 포괄적으로 볼 수 있는 시각적 그래픽 인터페이스를 제공하는 반면, AWS CLI 또는 SageMaker SDKs를 사용하여 프로그래밍 방식으로 생성하여 훈련 계획 API와 직접 상호 작용할 수 있습니다.
단계별 콘솔 지침 및 자세한 API 참조는 이 안내서의 각 섹션을 참조하세요.
**Topics**
+ [SageMaker AI 콘솔을 사용한 SageMaker 훈련 계획 생성](training-plan-creation-using-console.md)
+ [SageMaker API를 사용한 SageMaker 훈련 계획 생성 또는 AWS CLI](training-plan-creation-using-api-cli-sdk.md)
# SageMaker AI 콘솔을 사용한 SageMaker 훈련 계획 생성
SageMaker 훈련 계획은 SageMaker AI 콘솔 UI를 통해 훈련 계획을 생성하는 편리한 방법을 제공하므로 사용자는 기계 학습 훈련 리소스를 쉽게 예약할 수 있습니다. 이 가이드에서는 SageMaker AI 콘솔을 사용하여 SageMaker 훈련 작업 및 SageMaker HyperPod 클러스터에 대한 훈련 계획을 생성하는 프로세스를 안내합니다. 다음 단계에 따라 훈련 계획 오퍼링을 검색하고, 사용 가능한 옵션을 검토하고, 필요에 가장 적합한 계획을 구매합니다.
UI를 사용하여 시각적으로 훈련 계획을 생성하는 방법:
1. 먼저 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)에서 SageMaker AI 콘솔로 이동합니다.
1. 왼쪽 창 메뉴에서 **훈련 계획**을 선택합니다.
1. 메인 콘텐츠 영역에서 **훈련 계획 생성** 버튼을 선택하여 사용자 지정 훈련 일정을 설정하는 프로세스를 시작합니다.
![\[훈련 계획 페이지를 보여주는 SageMaker AI 콘솔입니다. 인터페이스에는 계획을 요청, 모니터링 및 사용하는 단계를 포함하여 훈련 계획의 작동 방식에 대한 정보가 표시됩니다. 왼쪽 탐색 창에는 '훈련 계획' 옵션이 강조 표시되어 있고 메인 콘텐츠 영역에 '훈련 계획 생성' 버튼이 표시되어 있습니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/training-plans/tp-console.png)
그런 다음, 컴퓨팅 요구 사항에 맞는 계획 오퍼링을 검색합니다.
**Topics**
+ [훈련 계획 오퍼링 검색](search-training-plan-offerings.md)
+ [최상의 훈련 계획 예약](choose-best-training-plan.md)
+ [훈련 계획 나열](list-training-plans.md)
+ [훈련 계획 세부 정보 보기](training-plan-details.md)
# 훈련 계획 오퍼링 검색
SageMaker AI 콘솔의 왼쪽 창에서 **훈련 계획**을 선택한 다음 **훈련 계획 생성**을 선택하면 **훈련 계획 찾기** 양식이 열립니다. 이 양식을 사용하면 요구 사항을 지정하고 적절한 훈련 계획 오퍼링을 검색할 수 있습니다.
다음 단계에 따라 양식을 작성합니다.
1. **대상** 식별: 훈련 계획은 대상 리소스에 따라 다릅니다. 계획을 사용하여 SageMaker 훈련 작업을 실행할지 또는 SageMaker HyperPod 클러스터를 실행할지 지정합니다.
1. **컴퓨팅 유형**의 경우 **인스턴스** 또는 **UltraServer** 중에서 선택할 수 있습니다. UltraServer는 지연 시간이 짧은 고대역폭 액셀러레이터 인터커넥트를 사용하여 여러 Amazon EC2 인스턴스를 연결합니다. 자세한 내용은 [Amazon EC2 UltraServers](https://aws.amazon.com/ec2/ultraservers/)를 참조하세요. SageMaker AI와 함께 UltraServers를 사용하는 방법에 대한 자세한 내용은 [SageMaker AI의 UltraServers](reserve-capacity-with-training-plans.md#training-plans-ultraservers) 섹션을 참조하세요.
1. 원하는 **인스턴스 유형** 및 **인스턴스 수** 선택: 지정된 AWS 리전, 기간 및 수량 옵션에서 사용 가능한 인스턴스 유형은 섹션을 참조하세요[지원되는 인스턴스 유형 AWS 리전및 요금](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions).
1. 시간 파라미터 정의: 원하는 시작 및 종료 날짜를 선택하고 이 기간 내에서 계획 기간을 지정합니다.
1. **훈련 계획 찾기**를 선택합니다.
![\[훈련 계획 오퍼링 검색 페이지를 보여주는 SageMaker AI 콘솔입니다. 인터페이스에는 계획의 대상 리소스(훈련 작업 또는 HyperPod 클러스터)를 선택하고, 인스턴스 유형 및 개수를 지정하고, 시작 및 종료 날짜를 설정하고, 입력 기간을 설정하는 옵션이 표시되어 있습니다. 훈련 계획 찾기 버튼은 양식 하단에 보입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/training-plans/tp-search-training-plan-offerings.png)
SageMaker 훈련 계획은 용량 요구 사항에 맞는 오퍼링을 검색합니다. 지정된 기간 내에 적합한 오퍼링이 발견되면 페이지 하단에 표시됩니다. 각 훈련 계획 오퍼링에는 다음 세부 정보가 포함됩니다.
+ 총 계획 기간
+ 시작 및 종료 날짜
+ 총 선결제 가격:
가격 위로 마우스를 가져가면 인스턴스 시간당 요금, 인스턴스 수 및 총 시간에 대한 세부 분석을 볼 수 있습니다.
+ 계획 세그먼트의 총 개수
세그먼트 세부 정보 링크를 클릭하면 세그먼트별 세부 정보가 포함된 모달 뷰가 열립니다.
+ 지속 시간
+ 시작 및 종료 날짜
+ 가용 영역
![\[SageMaker AI 콘솔은 계획 요구 사항에 대한 입력 필드가 있는 훈련 계획 오퍼링 검색 페이지와 기간, 가격 및 가용성 상태가 각기 다른 검색된 계획 세 개의 세부 정보가 표시된 사용 가능한 계획 섹션을 보여줍니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/training-plans/tp-available-offerings.png)
적합한 계획이 없거나 사용 가능한 계획이 요구 사항을 충족하지 않는 경우 **훈련 계획 요구 사항** 양식의 파라미터를 수정하여 검색 기준을 조정합니다. 적합한 오퍼링을 찾으면 선택하고 **다음**을 선택하여 계획 예약 페이지로 계속 진행합니다. 이 페이지에서 계획의 이름을 지정한 다음 예약을 완료하기 전에 선택을 검토하고 확인할 수 있습니다.
**참고**
`Immediately available`이라고 표시된 계획은 예약된 시작 시간 최소 5분 전에 결제가 완료되면 30분 이내에 시작됩니다.
# 최상의 훈련 계획 예약
훈련 계획을 검색하여 용량 요구 사항과 예산에 맞는 오퍼링이 반환되었습니다.
1. 계획의 이름을 입력한 후 **다음**을 선택합니다.
1. 구매 주문을 검토한 후 **제출**합니다.
**중요**
구매하고 나면 훈련 계획을 수정할 수 없습니다.
훈련 계획은 AWS 계정 간에 또는 조직 내에서 공유할 수 AWS 없습니다.
주문을 제출한 후
+ 처음에 훈련 계획은 훈련 계획 목록에 `Pending`으로 표시됩니다.
+ 주문 접수 시 인보이스가 자동으로 생성됩니다.
+ 이행 프로세스 중에 총 결제 금액이 징수됩니다.
+ 결제가 성공적으로 처리되면 계획 상태가 `Scheduled`로 변경되고 계획을 사용할 수 있게 됩니다.
![\[훈련 계획에 대한 '검토 및 구매' 페이지를 보여주는 SageMaker AI 콘솔입니다. 페이지에 훈련 계획 세부 정보, 세그먼트 정보, 가격, 계획 이름 및 태그가 표시되어 있습니다. 계획을 편집 또는 취소하거나 뒤로 이동하거나 생성하는 옵션을 사용할 수 있습니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/training-plans/tp-review-and-purchase-training-plan.png)
# 훈련 계획 나열
훈련 계획을 보는 방법:
1. [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)에서 SageMaker AI 콘솔로 이동합니다.
1. 왼쪽 창 메뉴에서 **훈련 계획**을 선택합니다. 여기에는 이름, 상태, 대상 리소스 유형 및 기타 주요 세부 정보를 포함한 모든 훈련 계획의 목록이 표시됩니다.
계획을 구매하면 이 목록으로 이동합니다. 새로 생성된 계획은 결제가 완료될 때까지 `Pending` 상태로 표시됩니다. 상태는 일반적으로 결제 처리 후 몇 분 이내에 업데이트됩니다.
![\[훈련 계획 목록 페이지가 표시된 SageMaker AI 콘솔입니다. 페이지에 이름, 상태, 총 인스턴스 수, 사용 중인 인스턴스 수, 영역, 시작 날짜 및 종료 날짜와 같은 세부 정보가 나와 있는 훈련 계획이 나열된 테이블이 포함되어 있습니다. 새 훈련 계획을 생성하는 버튼이 보입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/training-plans/tp-list-training-plans.png)
# 훈련 계획 세부 정보 보기
훈련 계획 목록에서 계획의 이름을 따라 세부 정보를 확인합니다. 구체적으로, 현재 용량 사용량을 확인하고 계획의 세부 정보 페이지에 워크로드를 나열할 수 있습니다.
세부 정보 페이지에는 다음이 표시됩니다.
+ 훈련 계획 개요: 상태, 대상, 인스턴스 유형 및 기간
+ 세그먼트 세부 정보, 요금, 계획 이름 및 태그에 대한 확장 가능한 섹션
+ 용량 사용률:
+ 합계: 이 훈련 계획에 예약된 총 인스턴스 수입니다.
+ 사용 중: 이 훈련 계획에서 현재 사용 중인 인스턴스 수입니다.
+ 사용 가능한 인스턴스: 이 훈련 계획에 현재 사용할 수 있는 인스턴스 수입니다.
페이지 하단의 링크를 사용하면 대상 리소스에 따라 이 계획과 연결된 훈련 작업 또는 SageMaker HyperPod 클러스터 인스턴스 그룹 목록을 볼 수 있습니다.
![\[훈련 계획의 세부 정보를 표시하는 SageMaker AI 콘솔 페이지입니다. 페이지에 기본 계획 정보, 상태 및 인스턴스 세부 정보가 표시되어 있습니다. 다음은 추가 세부 정보를 위해 확장 가능한 섹션입니다. 하단의 용량 사용률 섹션에는 계획의 총 인스턴스 수, 사용 중인 인스턴스 수 및 사용 가능한 인스턴스 수가 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/training-plans/tp-view-training-plan.png)
# SageMaker API를 사용한 SageMaker 훈련 계획 생성 또는 AWS CLI
SageMaker 훈련 계획은 API를 통한 훈련 계획의 프로그래밍 방식 생성을 지원합니다. AWS CLI 또는 SageMaker SDKs.
SageMaker 훈련 계획의 API 작업은 프로그래밍 방식으로 훈련 계획을 관리하기 위한 포괄적인 워크플로를 제공합니다.
+ **`SearchTrainingPlanOfferings`:** 인스턴스 유형, 개수 및 원하는 기간과 같은 파라미터를 지정하여 사용자가 사용 가능한 컴퓨팅 리소스를 쿼리하고 검색할 수 있도록 합니다. API는 사용자의 요구 사항에 가장 적합한 훈련 계획 오퍼링의 순위 목록을 반환합니다.
+ **`CreateTrainingPlan`:** 특정 훈련 계획 오퍼링을 예약하여 고유한 훈련 계획 ARN을 사용하여 잠재적 컴퓨팅 용량을 예약 용량으로 변환할 수 있도록 합니다.
+ **`ListTrainingPlans`:** 선택적 필터링 및 정렬 기능을 사용하여 사용자 AWS 계정의 모든 기존 훈련 계획을 검색하고 검토하는 방법을 제공합니다.
+ **`DescribeTrainingPlan`:** `Pending`에서 `Active`, `Expired`로 이어지는 수명 주기 단계를 포함하여 특정 훈련 계획에 대한 자세한 인사이트를 제공합니다.
+ **`ExtendTrainingPlan`:** 확장 상품을 구매하여 기존 훈련 계획을 확장합니다. 자세한 내용은 [훈련 계획 확장](training-plan-extension.md) 단원을 참조하십시오.
+ **`DescribeTrainingPlanExtensionHistory`:** 훈련 계획의 확장 기록을 검색합니다. 자세한 내용은 [훈련 계획 확장](training-plan-extension.md) 단원을 참조하십시오.
**Topics**
+ [훈련 계획 오퍼링 검색](search-training-plan-offerings-api-cli-sdk.md)
+ [최상의 훈련 계획 예약](choose-best-training-plan-using-api-cli-sdk.md)
+ [훈련 계획 나열](list-training-plans-using-api-cli-sdk.md)
+ [훈련 계획 세부 정보 보기](training-plan-details-using-api-cli-sdk.md)
# 훈련 계획 오퍼링 검색
훈련 계획을 생성하려면 먼저 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html) API 작업을 직접적으로 호출하고 계획 요구 사항(예: 인스턴스 유형, 개수 및 원하는 기간)을 입력 파라미터로 전달합니다. 훈련 계획은 대상 리소스에 따라 다릅니다. 계획을 사용할 대상 리소스를 지정해야 합니다(`training-job` 또는 `hyperpod-cluster`). API는 요구 사항에 맞는 사용 가능한 제품 목록을 반환합니다. 적합한 오퍼링을 찾을 수 없는 경우 요구 사항을 조정하고 다시 검색해야 할 수 있습니다.
이 API 직접 호출은 용량 요구 사항에 가장 적합한 훈련 계획 오퍼링을 검색합니다. 응답에 반환된 각 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanOffering.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanOffering.html)는 고유한 오퍼링 ID로 식별됩니다. 목록의 첫 번째 오퍼링은 요구 사항에 가장 적합한 오퍼링입니다. 지정된 날짜 내에 적절한 훈련 계획이 없는 경우 목록이 비어 있습니다. 검색 기준을 조정하고 새로운 오퍼링 세트를 찾으세요.
+ 예약 기간은 1일에서 182일까지 1일 단위로 제공됩니다.
+ 예약 인스턴스 수량 옵션은 1, 2, 4, 8, 16, 32 또는 64개입니다.
SageMaker 훈련 계획에서 지원하는 사용 가능한 인스턴스 목록에 대한 자세한 내용은 [지원되는 인스턴스 유형 AWS 리전및 요금](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions) 섹션을 참조하세요.
다음 예제에서는 AWS CLI 명령을 사용하여 지정된 인스턴스 유형, 개수 및 시간 정보가 있는 훈련 계획 상품을 요청합니다.
```
# List training plan offerings with instance type, instance count, duration in hours, start time after, and end time before.
aws sagemaker search-training-plan-offerings \
--target-resources "training-job" \
--instance-type "ml.p4d.24xlarge" \
--instance-count 1 \
--duration-hours 15 \
--start-time-after "1737484800"
--end-time-before "1737657600"
```
이 JSON 문서는 SageMaker 훈련 계획 API의 샘플 응답입니다. 응답은 지정된 용량 요구 사항에 부합하며 사용 가능한 여러 훈련 계획 오퍼링에 대한 정보를 제공합니다. 여기에는 기간, 선결제 요금, 시작/종료 시간이 서로 다른 세 가지 오퍼링이 포함되며, 모두 동일한 인스턴스 유형을 사용하고 훈련 작업을 대상으로 합니다.
```
{
"TrainingPlanOfferings": [
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-01-21T11:08:27.704000-08:00",
"DurationHours": 15,
"DurationMinutes": 51,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"InstanceType": "ml.p4d.24xlarge",
"InstanceCount": 1,
"AvailabilityZone": "us-west-2a",
"DurationHours": 15,
"DurationMinutes": 51,
"StartTime": "2025-01-21T11:39:00-08:00",
"EndTime": "2025-01-22T03:30:00-08:00"
}
]
},
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-01-21T11:08:27.704000-08:00",
"DurationHours": 39,
"DurationMinutes": 51,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"InstanceType": "ml.p4d.24xlarge",
"InstanceCount": 1,
"AvailabilityZone": "us-west-2a",
"DurationHours": 39,
"DurationMinutes": 51,
"StartTime": "2025-01-21T11:39:00-08:00",
"EndTime": "2025-01-23T03:30:00-08:00"
}
]
},
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-01-21T11:08:27.704000-08:00",
"DurationHours": 24,
"DurationMinutes": 0,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"InstanceType": "ml.p4d.24xlarge",
"InstanceCount": 1,
"AvailabilityZone": "us-west-2a",
"DurationHours": 24,
"DurationMinutes": 0,
"StartTime": "2025-01-22T03:30:00-08:00",
"EndTime": "2025-01-23T03:30:00-08:00"
}
]
}
]
}
```
다음은를 사용하여 UltraServers가 포함된 훈련 계획 상품을 AWS CLI 검색하는 방법에 대한 샘플 명령입니다.
```
aws sagemaker search-training-plan-offerings \
--ultra-server-type ml.c6i-32xlargesc \
--ultra-server-count 1 \
--duration-hours 24 \
--target-resources hyperpod-cluster
--start-time-after "1737484800" \
--end-time-before "1737657600"
```
```
{
"TrainingPlanOfferings": [
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-07-21T16:59:25.760000+00:00",
"DurationHours": 24,
"DurationMinutes": 0,
"UpfrontFee": "0.24",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"ReservedCapacityType": "UltraServer",
"UltraServerType": "ml.u-p6e-gb200x72",
"UltraServerCount": 1,
"InstanceType": "ml.p6e-gb200.36xlarge",
"InstanceCount": 18,
"AvailabilityZone": "us-east-2a",
"DurationHours": 24,
"DurationMinutes": 0,
"StartTime": "2025-07-22T11:30:00+00:00",
"EndTime": "2025-07-23T11:30:00+00:00"
}
]
}
]
}
```
다음 섹션에서는 `SearchTrainingPlanOfferings` API의 필수 및 선택적 입력 요청 파라미터를 정의합니다.
## 필수 파라미터
[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html) API를 직접적으로 호출하여 요구 사항을 충족하는 훈련 계획 오퍼링을 나열할 때 다음 값을 제공해야 합니다.
+ `TargetResources`: 계획이 사용될 대상 리소스(`training-job` 또는 `hyperpod-cluster`)입니다. 기본값은 `training-job`입니다. 훈련 계획은 대상 리소스에 따라 다릅니다.
+ SageMaker 훈련 작업을 위해 설계된 훈련 계획은 훈련 작업을 예약하고 실행하는 데만 사용할 수 있습니다.
+ HyperPod 클러스터에 대한 훈련 계획은 클러스터의 인스턴스 그룹에 컴퓨팅 리소스를 제공하는 데만 사용할 수 있습니다.
+ `InstanceType`: 프로비저닝할 인스턴스의 유형입니다. `InstanceType`은 지원되는 유형이어야 합니다.
SageMaker 훈련 계획에서 지원하는 사용 가능한 인스턴스 목록에 대한 자세한 내용은 [지원되는 인스턴스 유형 AWS 리전및 요금](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions) 섹션을 참조하세요.
+ `InstanceCount`: 프로비저닝할 인스턴스의 수입니다. 인스턴스 수가 1보다 크면 2의 거듭제곱이어야 합니다.
+ `DurationHour`: 요청된 계획의 총 지속 기간(시간)입니다. `DurationHour`는 24의 가장 가까운 배수로 반올림됩니다.
## 선택적 파라미터
다음 섹션에서는 `SearchTrainingPlanOfferings` API 요청에 전달할 수 있는 몇 가지 선택적 파라미터에 대한 세부 정보를 제공합니다.
+ `StartTimeAfter`: 계획의 요청된 시작 시간을 지정합니다. `StartTimeAfter`는 `timestamp` 또는 미래의 `ISO 8601 date/time` 값이어야 합니다.
+ `EndTimeBefore`: 계획의 요청된 종료 시간을 `timestamp` 또는 `ISO 8601 date/time` 형식으로 지정합니다. `EndTimeBefore`는 시작 시간 최소 24시간 이후여야 합니다.
+ `UltraServerType`: 검색할 UltraServer 유형을 지정합니다. UltraServers에 대한 자세한 내용은 [SageMaker AI의 UltraServers](reserve-capacity-with-training-plans.md#training-plans-ultraservers) 섹션을 참조하세요.
+ `UltraServerCount`: 검색할 UltraServers 수를 지정합니다.
# 최상의 훈련 계획 예약
요구 사항에 가장 적합한 사용 가능한 훈련 계획 오퍼링을 검토한 후 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) API 작업을 직접적으로 호출하여 특정 계획을 예약할 수 있습니다. 생성되면 계획은 처음에 `Pending` 상태가 되고 예약 프로세스가 완료될 때까지 그대로 유지됩니다. API 직접 호출에 대한 응답은 훈련 계획 Amazon 리소스 이름(ARN)을 반환합니다. 나중에 추적 및 모니터링할 수 있도록 이 ARN을 기록해 두세요. 훈련 계획 예약은 백엔드에서 비동기적으로 이행됩니다. 총 금액에 대한 결제는 이행 프로세스의 일부로 자동으로 수금됩니다. 결제 트랜잭션이 완료되고 요청된 예약 용량이 확보되면 훈련 계획이 `Scheduled` 상태로 설정되고 예약할 준비가 됩니다.
**중요**
구매하고 나면 훈련 계획을 수정할 수 없습니다.
훈련 계획은 AWS 계정 간에 또는 조직 내에서 공유할 수 AWS 없습니다.
다음 예제에서는 AWS CLI 명령을 사용하여 특정 훈련 계획을 요청하고 계획 ID를 파라미터로 전달합니다.
```
aws sagemaker create-training-plan \
--training-plan-offering-id "tpo-SHA-256-hash-value" \
--training-plan-name "name" \
```
이 JSON 문서는 SageMaker 훈련 계획 API의 샘플 응답입니다. 응답에는 성공적으로 생성된 훈련 계획의 Amazon 리소스 이름(ARN)이 포함됩니다.
**참고**
훈련 계획은 이행 프로세스가 완료될 때까지 `Pending` 상태를 유지합니다.
```
{
"TrainingPlanArn":"arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning"
}
```
다음 섹션에서는 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) API의 필수 및 선택적 입력 요청 파라미터를 정의합니다.
## 필수 파라미터
[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) API를 직접적으로 호출하여 특정 훈련 계획을 예약할 때 다음 값을 제공해야 합니다.
+ `TrainingPlanOfferingId`: 선택한 계획의 ID입니다. `SearchTrainingPlanOfferings` API 직접 호출의 응답으로 계획 오퍼링의 ID를 가져올 수 있습니다. 형식은 `pto-*`로 시작해야 합니다.
+ `TrainingPlanName`: 생성 중인 계획의 이름입니다.
# 훈련 계획 나열
[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html) API를 호출하여 AWS 계정 및 리전에서 생성된 모든 훈련 계획을 나열할 수 있습니다.
다음 예제에서는 AWS CLI 명령을 사용하여 훈련 계획 목록을 검색합니다.
```
aws sagemaker list-training-plans \
--start-time-after "2024-09-26T00:00:01.000Z"
```
이 JSON 문서는 SageMaker 훈련 계획 API의 샘플 응답입니다. 응답은 성공적으로 생성되고 예약된 하나의 훈련 계획에 대한 세부 정보를 제공합니다.
```
{
"[TrainingPlanSummaries](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanSummary.html)": [
{
"AvailableInstanceCount": 2,
"CurrencyCode": "USD",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InUseInstanceCount": 2,
"[ReservedCapacitySummaries](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ReservedCapacitySummary.html)": [
{
"AvailabilityZone": "string",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InstanceType": "ml.p5.48xlarge",
"ReservedCapacityArn": "arn:aws:sagemaker:us-east-1:123456789123:reserved-capacity/large-models-fine-tuning-rc1",
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"TotalInstanceCount": 4,
"UltraServerCount": 4,
"UltraServerType": "ml.p6e-gb200.36xlarge"
}
],
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"StatusMessage": "Payment confirmed, training plan scheduled."
"TargetResources": [ "training-job" ],
"TotalInstanceCount": 4,
"TotalUltraServerCount": 4,
"TrainingPlanArn": "arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning",
"TrainingPlanName": "large-models-fine-tuning",
"UpfrontFee": "xxxx.xx"
}
]
}
```
다음 섹션에서는 `ListTrainingPlans` API 요청에 전달할 수 있는 몇 가지 선택적 파라미터에 대한 세부 정보를 제공합니다.
## 선택적 파라미터
다음 섹션에서는 `ListTrainingPlans` API 요청에 전달할 수 있는 몇 가지 선택적 파라미터에 대한 세부 정보를 제공합니다.
+ `StartTimeAfter`: 나열된 계획의 실제 시간 범위의 시작 시간으로, `timestamp` 또는 `ISO 8601 date/time`으로 지정됩니다.
+ `StartTimeBefore`: 나열된 계획의 실제 시간 범위의 종료 시간으로, `timestamp` 또는 `ISO 8601 date/time`으로 지정됩니다.
+ `Filters`: 최대 5개의 이름-값 페어로 결과를 필터링하는 데 사용되는 기준입니다. 여기서 '이름'은 [TrainingPlanSummary](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanSummary.html)의 필드 이름이고 '값'은 필터에 고려할 값입니다. 예: `Name=Status,Value=Active`.
다음 예제에서는 AWS CLI 명령을 사용하여 위에서 설명한 선택적 파라미터 중 일부를 사용하여 훈련 계획 목록을 검색합니다.
```
aws sagemaker list-training-plans --max-results 10 --sort-by StartTime --sort-order Descending --start-time-after 13000000 --filters Name=Status,Value=Active
```
# 훈련 계획 세부 정보 보기
훈련 계획의 상태를 모니터링하거나 세부 정보를 가져오려면 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html) API를 사용할 수 있습니다. API 응답에는 훈련 계획의 현재 상태를 반영하는 `Status` 필드가 포함됩니다.
+ 계획 구매가 실패하면 상태가 `Failed`로 설정됩니다.
+ 결제가 성공하면 계획의 시작 날짜에 따라 상태가 `Pending`에서 `Scheduled`로 전환됩니다.
+ 계획 시작 날짜가 되면 상태가 `Active`로 변경됩니다.
+ 여러 개의 불연속 예약 용량이 있는 계획의 경우, 활성 기간이 아닐 때는 상태가 다음 예약 용량의 시작 날짜까지 `Scheduled`로 되돌아갑니다.
+ 계획 종료 날짜 이후에는 상태가 `Expired`가 됩니다.
상태가 `Scheduled`이면 SageMaker 훈련 작업 또는 HyperPod 클러스터 워크로드에 대한 계획에 예약 용량을 활용할 수 있습니다.
**참고**
계획과 연결된 훈련 작업은 계획이 `Active`가 될 때까지 `Pending` 상태로 유지됩니다.
컴퓨팅 용량에 대한 훈련 계획을 사용하는 HyperPod 클러스터의 경우 인스턴스 그룹 상태는 생성되면 `InService`로 표시됩니다.
다음 예제에서는 AWS CLI 명령을 사용하여 교육 계획의 세부 정보를 이름으로 검색합니다.
```
aws sagemaker describe-training-plan \
--training-plan-name "name"
```
이 JSON 문서는 SageMaker 훈련 계획 API의 샘플 응답입니다. 이 응답은 성공적으로 생성된 훈련 계획에 대한 세부 정보를 제공합니다.
```
{
"AvailableInstanceCount": 2,
"CurrencyCode": "USD",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InUseInstanceCount": 2,
"[ReservedCapacitySummaries](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ReservedCapacitySummary.html)": [
{
"AvailabilityZone": "string",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InstanceType": "ml.p5.48xlarge",
"ReservedCapacityArn": "arn:aws:sagemaker:us-east-1:123456789123:reserved-capacity/large-models-fine-tuning-rc1",
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"TotalInstanceCount": 4,
"UltraServerCount": 4,
"UltraServerType": "ml.p6e-gb200.36xlarge"
}
],
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"StatusMessage": "Payment confirmed, training plan scheduled."
"TargetResources": [ "training-job" ],
"TotalInstanceCount": 4,
"TotalUltraServerCount": 4,
"TrainingPlanArn": "arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning",
"TrainingPlanName": "large-models-fine-tuning",
"UpfrontFee": "xxxx.xx"
}
```
다음 섹션에서는 `DescribeTrainingPlan` API 작업에 대한 필수 입력 요청 파라미터를 정의합니다.
## 필수 파라미터
+ `TrainingPlanName`: 설명하려는 훈련 계획의 이름입니다.