Passen Sie Ihren eigenen Docker-Container an, damit Sie damit arbeiten können SageMaker

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

• SageMaker Toolkit für Schulungen

• SageMaker Toolkit für Inferenzen

In den folgenden Themen wird gezeigt, wie Sie Ihr vorhandenes Image mithilfe der Toolkits SageMaker Training und Inference anpassen können:

Themen

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

Einzelne Framework-Bibliotheken

Neben dem SageMaker Training Toolkit und dem SageMaker Inference Toolkit bietet es SageMaker auch Toolkits, die auf MXNet und TensorFlow Chainer spezialisiert sind. PyTorch 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 Trainingsalgorithmen und Hostmodellen SageMaker. Die Funktionalität für diese einzelnen Bibliotheken ist im SageMaker Training Toolkit und im SageMaker Inference Toolkit enthalten.

Framework	Toolkit-Quellcode
TensorFlow	SageMaker TensorFlow Schulung SageMaker TensorFlow Servieren
MXNet	SageMaker MXNet-Schulung SageMaker MXNet-Inferenz
PyTorch	SageMaker PyTorch Schulung SageMaker PyTorch Folgerung
Chainer	SageMaker Chainer-Behälter SageMaker