Verwenden von Docker-Containern mit SageMaker - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verwenden von Docker-Containern mit SageMaker

Amazon SageMaker nutzt umfassendDocker-Containerfür Build- und Laufzeitaufgaben. SageMaker stellt vordefinierte Docker-Images für seine integrierten Algorithmen und die unterstützten Deep Learning-Frameworks bereit, die für Schulung und Inferenz verwendet werden. Mit Containern können Sie Machine-Learning-Algorithmen schulen und Modelle in jeder Größenordnung schnell und zuverlässig bereitstellen. Die Themen in diesem Abschnitt zeigen, wie Sie diese Container für Ihre eigenen Anwendungsfälle bereitstellen. Informationen darüber, wie Sie Ihre eigenen Container zur Verwendung mit Amazon mitbringen SageMaker Studio, sieheBring Your Own SageMaker Bildaus.

Szenarien für die Ausführung von Skripten, die Schulung von Algorithmen oder die Bereitstellung von Modellen mit SageMaker

Amazon SageMaker verwendet immer Docker-Container bei der Ausführung von Skripten, der Schulung von Algorithmen und der Bereitstellung von Modellen. Ihre Interaktion mit Containern hängt allerdings von Ihrem Anwendungsfall ab.

  • Verwenden eines integrierten SageMaker Algorithmus oder Frameworkaus. In den meisten Anwendungsfällen können Sie die integrierten Algorithmen und Frameworks verwenden, ohne sich um Container kümmern zu müssen. Sie können diese Algorithmen von der SageMaker -Konsole, derAWS Command Line Interface(AWS CLI), ein Python-Notizbuch oder dasAmazon SageMaker Python SDKindem Sie beim Erstellen Ihres Estimators den Algorithmus oder die Framework-Version angeben. Die verfügbaren integrierten Algorithmen werden unter dem Thema Verwenden von Amazon SageMaker Eingebaute Algorithmen oder vortrainierte Modelle einzeln aufgeführt und beschrieben. Weitere Informationen zu den verfügbaren Frameworks finden Sie unter.ML-Frameworks und Toolkitsaus. Ein Beispiel zum Trainieren und Bereitstellen eines integrierten Algorithmus mit einem Jupyter-Notebook, das in einem SageMaker Notebook-Instanz finden Sie imErste Schritte mit Amazon SageMaker-Thema.

  • Verwenden vorgefertigter SageMaker Container-Imagesaus. Alternativ können Sie die integrierten Algorithmen und Frameworks mit Docker-Containern verwenden. SageMaker stellt Container für seine integrierten Algorithmen und vordefinierten Docker-Images für einige der gängigsten Machine-Learning-Frameworks bereit, wie Apache MXNet, TensorFlow, PyTorch und Chainer. Für eine vollständige Liste der verfügbaren SageMaker Bilder, sieheVerfügbare Deep Learning Containersaus. Auch Machine Learning-Bibliotheken wie Scikit-learn und SparkML werden unterstützt. Wenn Sie dasAmazon SageMaker Python SDKkönnen Sie die Container bereitstellen, indem Sie den vollständigen Container-URI an den jeweiligen SageMaker SDKEstimator-Klasse. Eine vollständige Liste der derzeit von SageMaker unterstützten Deep Learning-Frameworks finden Sie unterVorgefertigte SageMaker Docker-Images für Deep Learningaus. Weitere Informationen zu den vordefinierten Container-Images von Scikit-learn und SparkML finden Sie unterVordefinierte Amazon SageMaker Docker-Images für Scikit-learn und Spark ML aus. Weitere Informationen zur Verwendung von Frameworks mit derAmazon SageMaker Python SDKfinden Sie ihre jeweiligen Themen unterVerwenden von Machine-Learning-Frameworks, Python und R mit Amazon SageMakeraus.

  • Erweitern eines vorgefertigten SageMaker Container-Imageaus. Wenn Sie ein vorgefertigtes erweitern möchten SageMaker Algorithmus oder Modell Docker-Bild, können Sie die SageMaker Bild, um Ihre Bedürfnisse zu befriedigen. Ein Beispiel finden Sie unterErweitern unserer PyTorch Behältnisseaus.

  • Ein vorhandenes Container-Image anpassen: Wenn Sie ein bereits vorhandenes Container-Image an die Arbeit mit SageMaker anpassen möchten, müssen Sie den Docker-Container ändern, um entweder die SageMaker Schulungs- oder Inferenz-Toolkit Ein Beispiel, wie Sie eigene Container zum Schulen und Hosten eines Algorithmus erstellen können, finden Sie unter Bring Your Own R Algorithm.