本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# SageMaker HyperPod 叢集上的任務
<a name="sagemaker-hyperpod-run-jobs-slurm"></a>

下列主題提供在佈建的 SageMaker HyperPod 叢集上存取運算節點和執行 ML 工作負載的程序和範例。根據您在 HyperPod 叢集上設定環境的方式，在 HyperPod 叢集上執行 ML 工作負載的方法有很多種。[Awsome 分散式訓練 GitHub 儲存庫](https://github.com/aws-samples/awsome-distributed-training/)中也提供在 HyperPod 叢集上執行 ML 工作負載的範例。下列主題會逐步解說如何登入佈建的 HyperPod 叢集，並讓您開始執行範例 ML 工作負載。

**提示**  
若要尋找實際範例和解決方案，另請參閱 [SageMaker HyperPod 工作坊](https://catalog.workshops.aws/sagemaker-hyperpod)。

**Topics**
+ [存取您的 SageMaker HyperPod 叢集節點](sagemaker-hyperpod-run-jobs-slurm-access-nodes.md)
+ [在 SageMaker HyperPod 叢集上排程 Slurm 任務](sagemaker-hyperpod-run-jobs-slurm-schedule-slurm-job.md)
+ [在 HyperPod 的 Slurm 運算節點上執行 Docker 容器](sagemaker-hyperpod-run-jobs-slurm-docker.md)
+ [在 HyperPod 上使用 Slurm 執行分散式訓練工作負載](sagemaker-hyperpod-run-jobs-slurm-distributed-training-workload.md)