Anpassen Ihres eigenen Docker-Containers für die Arbeit mit SageMaker

Sie können ein vorhandenes Docker-Image an die Verwendung mit anpassen SageMaker. Möglicherweise müssen Sie ein vorhandenes externes Docker-Image mit verwenden, SageMaker wenn Sie über einen Container verfügen, der die Feature- oder Sicherheitsanforderungen erfüllt, die derzeit nicht von einem SageMaker vorgefertigten Image unterstützt werden. Es gibt zwei Toolkits, mit denen Sie Ihren eigenen Container mitbringen und ihn an die Arbeit mit anpassen können SageMaker:

• SageMaker Trainings-Toolkit

• SageMaker Inferenz-Toolkit

In den folgenden Themen wird gezeigt, wie Sie Ihr vorhandenes Image mithilfe der SageMaker Trainings- und Inferenz-Toolkits anpassen:

Themen

• Einzelne Framework-Bibliotheken
• Verwenden der Toolkits für SageMaker-Training und -Inferenz
• Passen Sie Ihren eigenen Trainingscontainer an
• Anpassung Ihres eigenen Inferenz-Containers

Einzelne Framework-Bibliotheken

Zusätzlich zum SageMaker Training Toolkit und SageMaker Inference Toolkit bietet SageMaker auch Toolkits, die auf TensorFlow, MXNet PyTorchund Chainer spezialisiert sind. Die folgende Tabelle enthält Links zu den GitHub Repositorys, die den Quellcode für jedes Framework und die jeweiligen Serving-Toolkits enthalten. Die verlinkten Anweisungen beziehen sich auf die Verwendung des Python SDK zum Ausführen von Schulungsalgorithmen und Hostmodellen auf SageMaker. Die Funktionalität dieser einzelnen Bibliotheken ist im SageMaker Training Toolkit und SageMaker Inference Toolkit enthalten.

Framework	Toolkit-Quellcode
TensorFlow	SageMaker TensorFlow Training SageMaker TensorFlow Bereitstellung
MXNet	SageMaker MXNet-Schulung SageMaker MXNet-Inferenz
PyTorch	SageMaker PyTorch Training SageMaker PyTorch Inferenz
Chainer	SageMaker Chainer- SageMaker Container