
171
Chapter 4
실무에서의 효과적인 의존성 관리
6
. 클라우드에서 모델 훈련하기
클라우드에서
ML
모델을 훈련할 수 있는 방법은 다양합니다. 이러한 방법에는 메타플로,
17
쿠브플로
Kubeflow
,
18
레이
19
와 같은 오픈소스 및 자체 호스팅
ML
플랫폼부터 아마존 세이지메
이커
AWS
SageMaker
,
20
구글 버텍스
AI
,
21
애저
ML
22
과 같은 관리형 서비스까지 포함됩니다. 이
예제를 간단하게 유지하고 널리 적용 가능하게 하기 위해, 가장 기본적인 방법을 선택했습니
다. 깃허브 액션을 사용해
CI
컴퓨팅 인스턴스에서 모델을 훈련하는 것입니다.
CI
파이프라
인에서 모델을 훈련하는 것은
ML
플랫폼이 제공하는 다양한 기능이나 대규모 컴퓨팅 자원을
제공하지는 않지만 이 연습을 위해서는 충분합니다.
CI
파이프라인에서 모델을 훈련하는 것은 클라우드의 일시적인 컴퓨팅 인스턴스를 사용한다
는 점에서 다양한
ML
서비스를 이용하는 것과 비슷합니다. 이 경우, 도커를 사용하여 새로운
인스턴스에 필요한 의존성을 설치하고 설정할 수 있습니다. 대규모 훈련을 할 때는 특히 다
른 기술을 사용할 가능성이 높습니다. 대부분의
ML
플랫폼은 컨테이너에서 모델 훈련을 실
행하는 것을 지원하며, 이에 대한 문서도 제공하고 있습니다.
우리 예제에서는 코드를 리포지터리에 올리는 ...