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. Durch die Verwendung von 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.

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

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

  • Verwenden eines integrierten SageMaker-Algorithmus oder Frameworksaus. 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 aus schulen und bereitstellenAWS 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 integrierten Amazon SageMaker Algorithmen einzeln aufgeführt und beschrieben. Weitere Informationen zu den verfügbaren Frameworks finden Sie unterML-Frameworks und Toolkitsaus. Ein Beispiel zum Schulen und Bereitstellen eines integrierten Algorithmus mit einem Jupyter-Notebook, das in einer SageMaker-Notebook-Instance ausgeführt wird, finden Sie unterErste Schritte mit Amazon SageMaker-Thema.

  • Verwenden Sie vorgefertigte 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 etwa Apache MXNet, TensorFlow, PyTorch und Chainer. Eine vollständige Liste der verfügbaren SageMaker-Images finden Sie unter.Verfügbare Deep Learning Containersaus. Es unterstützt auch Machine Learning-Bibliotheken wie Scikit-learn und SparkML. Wenn Sie dasAmazon SageMaker Python SDKkönnen Sie die Container bereitstellen, indem Sie den vollständigen Container-URI an das jeweilige SageMaker SDK übergebenEstimator-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 mitAmazon SageMaker Python SDKfinden Sie ihre jeweiligen Themen unterVerwenden von Machine Learning Frameworks, -Python und R mit Amazon SageMakeraus.

  • Ein vorgefertigtes SageMaker-Container-Image erweiternaus. Wenn Sie einen vorgefertigten SageMaker-Algorithmus oder ein Docker-Modell erweitern möchten, können Sie das SageMaker-Image an Ihre Bedürfnisse anpassen. Ein Beispiel finden Sie unter Extending our PyTorch containers.

  • 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 das SageMaker Training- oder Inferenz-Toolkit zu aktivieren. Ein Beispiel, wie Sie eigene Container zum Schulen und Hosten eines Algorithmus erstellen können, finden Sie unter Bring Your Own R Algorithm.