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.
Verfügbare Amazon SageMaker Images
Wichtig
Ab dem 30. November 2023 heißt die vorherige Amazon SageMaker Studio-Erfahrung jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Verwendung der Studio Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Umgebung finden Sie unter Amazon SageMaker Studio.
Auf dieser Seite finden Sie die SageMaker Bilder und zugehörigen Kernel, die in Amazon SageMaker Studio Classic verfügbar sind, sowie das Format, das zum Erstellen des ARN für jedes Image erforderlich ist. SageMaker images enthalten das neueste Amazon SageMaker Python SDK
Themen
Image-Format des Image-ARN
In der folgenden Tabelle sind der Image-ARN und das URI-Format für jede Region aufgeführt. Um den vollständigen ARN für ein Bild zu erstellen, ersetzen Sie den Platzhalter für den Ressourcenbezeichner durch die entsprechende Ressourcenkennung für das Bild aus der Tabelle Bilder SageMaker und Kernel. Um den vollständigen URI für ein Image zu erstellen, ersetzen Sie den Tag-Platzhalter durch das entsprechende CPU- oder GPU-Tag. Eine Liste der Tags, die Sie verwenden können, finden Sie unter Unterstützte URI-Tags.
Anmerkung
SageMaker Verteilungsbilder verwenden einen eindeutigen Satz von Bild-ARNs .
| Region | Image ARN Format | SageMaker Verteilungs-Image-ARN-Format | SageMaker Verteilungs-Image-URI-Format |
| us-east-1 | arn:aws:sagemaker:us-east-1:081325390199:image/resource-identifier |
arn:aws:sagemaker:us-east-1:885854791233:image/resource-identifier |
885854791233.dkr.ecr.us-east-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| us-east-2 | arn:aws:sagemaker:us-east-2:429704687514:image/resource-identifier |
arn:aws:sagemaker:us-east-2:137914896644:image/resource-identifier |
137914896644.dkr.ecr.us-east-2.amazonaws.com/sagemaker-distribution-prod:Tag |
| us-west-1 | arn:aws:sagemaker:us-west-1:742091327244:image/resource-identifier |
arn:aws:sagemaker:us-west-1:053634841547:image/resource-identifier |
053634841547.dkr.ecr.us-west-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| us-west-2 | arn:aws:sagemaker:us-west-2:236514542706:image/resource-identifier |
arn:aws:sagemaker:us-west-2:542918446943:image/resource-identifier |
542918446943.dkr.ecr.us-west-2.amazonaws.com/sagemaker-distribution-prod:Tag |
| af-south-1 | arn:aws:sagemaker:af-south-1:559312083959:image/resource-identifier |
arn:aws:sagemaker:af-south-1:238384257742:image/resource-identifier |
238384257742.dkr.ecr.af-south-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-east-1 | arn:aws:sagemaker:ap-east-1:493642496378:image/resource-identifier |
arn:aws:sagemaker:ap-east-1:523751269255:image/resource-identifier |
523751269255.dkr.ecr.ap-east-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-south-1 | arn:aws:sagemaker:ap-south-1:394103062818:image/resource-identifier |
arn:aws:sagemaker:ap-south-1:245090515133:image/resource-identifier |
245090515133.dkr.ecr.ap-south-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-northeast-2 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/resource-identifier |
arn:aws:sagemaker:ap-northeast-2:064688005998:image/resource-identifier |
064688005998.dkr.ecr.ap-northeast-2.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-southeast-1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/resource-identifier |
arn:aws:sagemaker:ap-southeast-1:022667117163:image/resource-identifier |
022667117163.dkr.ecr.ap-southeast-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-southeast-2 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/resource-identifier |
arn:aws:sagemaker:ap-southeast-2:648430277019:image/resource-identifier |
648430277019.dkr.ecr.ap-southeast-2.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-northeast-1 |
arn:aws:sagemaker:ap-northeast-1:102112518831:image/resource-identifier |
arn:aws:sagemaker:ap-northeast-1:010972774902:image/resource-identifier |
010972774902.dkr.ecr.ap-northeast-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| ca-central-1 | arn:aws:sagemaker:ca-central-1:310906938811:image/resource-identifier |
arn:aws:sagemaker:ca-central-1:481561238223:image/resource-identifier |
481561238223.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| eu-central-1 | arn:aws:sagemaker:eu-central-1:936697816551:image/resource-identifier |
arn:aws:sagemaker:eu-central-1:545423591354:image/resource-identifier |
545423591354.dkr.ecr.eu-central-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| eu-west-1 | arn:aws:sagemaker:eu-west-1:470317259841:image/resource-identifier |
arn:aws:sagemaker:eu-west-1:819792524951:image/resource-identifier |
819792524951.dkr.ecr.eu-west-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| eu-west-2 | arn:aws:sagemaker:eu-west-2:712779665605:image/resource-identifier |
arn:aws:sagemaker:eu-west-2:021081402939:image/resource-identifier |
021081402939.dkr.ecr.eu-west-2.amazonaws.com/sagemaker-distribution-prod:Tag |
| eu-west-3 | arn:aws:sagemaker:eu-west-3:615547856133:image/resource-identifier |
arn:aws:sagemaker:eu-west-3:856416204555:image/resource-identifier |
856416204555.dkr.ecr.eu-west-3.amazonaws.com/sagemaker-distribution-prod:Tag |
| eu-north-1 | arn:aws:sagemaker:eu-north-1:243637512696:image/resource-identifier |
arn:aws:sagemaker:eu-north-1:175620155138:image/resource-identifier |
175620155138.dkr.ecr.eu-north-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| eu-south-1 | arn:aws:sagemaker:eu-south-1:592751261982:image/resource-identifier |
arn:aws:sagemaker:eu-south-1:810671768855:image/resource-identifier |
810671768855.dkr.ecr.eu-south-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| sa-east-1 | arn:aws:sagemaker:sa-east-1:782484402741:image/resource-identifier |
arn:aws:sagemaker:sa-east-1:567556641782:image/resource-identifier |
567556641782.dkr.ecr.sa-east-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-northeast-3 | arn:aws:sagemaker:ap-northeast-3:792733760839:image/resource-identifier |
arn:aws:sagemaker:ap-northeast-3:564864627153:image/resource-identifier |
564864627153.dkr.ecr.ap-northeast-3.amazonaws.com/sagemaker-distribution-prod:Tag |
| ap-southeast-3 | arn:aws:sagemaker:ap-southeast-3:276181064229:image/resource-identifier |
arn:aws:sagemaker:ap-southeast-3:370607712162:image/resource-identifier |
370607712162.dkr.ecr.ap-southeast-3.amazonaws.com/sagemaker-distribution-prod:Tag |
| me-south-1 | arn:aws:sagemaker:me-south-1:117516905037:image/resource-identifier |
arn:aws:sagemaker:me-south-1:523774347010:image/resource-identifier |
523774347010.dkr.ecr.me-south-1.amazonaws.com/sagemaker-distribution-prod:Tag |
| me-central-1 | arn:aws:sagemaker:me-central-1:103105715889:image/resource-identifier |
arn:aws:sagemaker:me-central-1:358593528301:image/resource-identifier |
358593528301.dkr.ecr.me-central-1.amazonaws.com/sagemaker-distribution-prod:Tag |
Unterstützte URI-Tags
Die folgende Liste zeigt die Tags, die Sie in Ihren Image-URI aufnehmen können.
1 CPU
1 GPU
0 CPU
0 GPU
Die folgenden Beispiele zeigen URIs mit verschiedenen Tag-Formaten:
542918446943.dkr.ecr.us-west-2.amazonaws.com/sagemaker-distribution-prod:1-cpu
542918446943.dkr.ecr.us-west-2.amazonaws.com/sagemaker-distribution-prod:0-gpu
Unterstützte Images
Die folgende Tabelle enthält Informationen zu den SageMaker Images und den zugehörigen Kerneln, die in Amazon SageMaker Studio Classic verfügbar sind, sowie zu der Ressourcen-ID und der Python-Version, die im Image enthalten sind.
SageMaker Images und Kernel | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| SageMaker Image | Beschreibung | Ressourcen-ID | Kernel (und Kennung) | Python-Version | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker Verteilung v0 CPU | SageMaker Distribution v0 CPU ist ein Python 3.8-Image, das beliebte Frameworks für maschinelles Lernen, Datenwissenschaft und Visualisierung auf der CPU enthält. Dazu gehören Deep-Learning-Frameworks wie PyTorch, TensorFlow und Keras, beliebte Python-Pakete wie numpy, scikit-learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon SageMaker-Distribution |
sagemaker-distribution-cpu-v0 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker Verteilung v0 GPU | SageMaker Distribution v0 GPU ist ein Python 3.8-Image, das beliebte Frameworks für maschinelles Lernen, Datenwissenschaft und Visualisierung auf GPU enthält. Dazu gehören Deep-Learning-Frameworks wie PyTorch, TensorFlow und Keras, beliebte Python-Pakete wie numpy, scikit-learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon SageMaker-Distribution |
sagemaker-distribution-gpu-v0 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker Verteilung v1 CPU | SageMaker Distribution v1 CPU ist ein Python-3.10-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Datenanalyse auf der CPU enthält. Dazu gehören Deep-Learning-Frameworks wie PyTorch, TensorFlow und Keras, beliebte Python-Pakete wie numpy, scikit-learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon SageMaker-Distribution |
sagemaker-distribution-cpu-v1 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker Distribution v1 GPU | SageMaker Distribution v1 GPU ist ein Python-3.10-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Datenanalyse auf GPU enthält. Dazu gehören Deep-Learning-Frameworks wie PyTorch, TensorFlow und Keras, beliebte Python-Pakete wie numpy, scikit-learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon SageMaker-Distribution |
sagemaker-distribution-gpu-v1 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Base Python 3.0 | Offizielles Python-3.10-Image von DockerHub mit boto3 und AWS CLI enthalten. | sagemaker-base-python-310-v1 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Base Python 2.0 | Offizielles Python-3.8-Image von DockerHub mit boto3 und AWS CLI enthalten. | sagemaker-base-python-38 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Science 3.0 | Data Science 3.0 ist ein Python-3.10-Conda |
sagemaker-data-science-310-v1 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Datenwissenschaft 2.0 | Data Science 2.0 ist ein Python-3.8-Conda |
sagemaker-data-science-38 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Geospatial 1.0 | Amazon SageMaker Geospatial ist ein Python-Image, das aus häufig verwendeten Geodatenbibliotheken wie GDAL, Fiona, GeoPandasShapely und Rasterio besteht und es Ihnen ermöglicht, Geodaten innerhalb von zu visualisieren SageMaker. Weitere Informationen finden Sie unter Amazon SageMaker Geospatial Notebook SDK. | Sagemaker-Geospatial-1.0 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 2.0.0 Python 3.10 CPU-optimiert | Die AWS Deep Learning Containers für PyTorch 2.0.0 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | pytorch-2.0.0-cpu-py310 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 2.0.0 Python 3.10 GPU-optimiert | Die AWS Deep Learning Containers für PyTorch 2.0.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | pytorch-2.0.0-gpu-py310 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 1.13 Python 3.9 CPU-optimiert | Die AWS Deep Learning Containers für PyTorch 1.13 mit CUDA 11.3 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | pytorch-1.13-cpu-py39 | Python 3 (Python3) | Python 3.9 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 1.13 Python 3.9 GPU-optimiert | Die AWS Deep Learning Containers für PyTorch 1.13 mit CUDA 11.7 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | pytorch-1.13-gpu-py39 | Python 3 (Python3) | Python 3.9 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 1.12 Python 3.8 CPU-optimiert | Die AWS Deep Learning Containers für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für PyTorch 1.12.0 |
pytorch-1.12-cpu-py38 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 1.12 Python 3.8 GPU-optimiert | Die AWS Deep Learning Containers für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für PyTorch 1.12.0 |
pytorch-1.12-gpu-py38 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 1.10 Python 3.8 CPU-optimiert | Die AWS Deep Learning Containers für PyTorch 1.10 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für PyTorch 1.10.2 auf SageMaker |
pytorch-1.10-cpu-py38 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| PyTorch 1.10 Python 3.8 GPU-optimiert | Die AWS Deep Learning Containers für PyTorch 1.10 mit CUDA 11.3 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für PyTorch 1.10.2 auf SageMaker |
pytorch-1.10-gpu-py38 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SparkAnalytics 2.0 | Anaconda Individual Edition mit - PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic |
sagemaker-sparkanalytics-310-v1 |
|
Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SparkAnalytics 1.0 | Anaconda Individual Edition mit - PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic |
sagemaker-sparkanalytics-v1 |
|
Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.12.0 Python 3.10 CPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.12.0 mit CUDA 11.2 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | tensorflow-2.12.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.12.0 Python 3.10 GPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.12.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | tensorflow-2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1 | Python 3 (Python3) | Python 3.10 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.11.0 Python 3.9 CPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | tensorflow-2.11.0-cpu-py39-ubuntu20.04-sagemaker-v1.1 | Python 3 (Python3) | Python 3.9 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.11.0 Python 3.9 GPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | tensorflow-2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker-v1.1 | Python 3 (Python3) | Python 3.9 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.10 Python 3.9 CPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | tensorflow-2.10.1-cpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3 (Python3) | Python 3.9 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.10 Python 3.9 GPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. | tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3 (Python3) | Python 3.9 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.6 Python 3.8 CPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.6 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für TensorFlow 2.6 |
tensorflow-2.6-cpu-py38-ubuntu20.04-v1 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.6 Python 3.8 GPU-optimiert | Die AWS Deep Learning Containers für TensorFlow 2.6 mit CUDA 11.2 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für TensorFlow 2.6 |
tensorflow-2.6-gpu-py38-cu112-ubuntu20.04-v1 | Python 3 (Python3) | Python 3.8 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Images, die zur Vernachlässigung vorgesehen sind
SageMaker beendet die Unterstützung für Images am Tag, nachdem eines der Pakete im Image von ihrem Herausgeber das Ende der Lebensdauer erreicht hat.
Die folgenden SageMaker Bilder sind für die Veralterung vorgesehen. Diese Bilder basieren auf Python 3.7, das end-of-life
SageMaker -Images, die veraltet sind | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| SageMaker Image | Datum der Veraltung | Beschreibung | Ressourcen-ID | Kernels | Python-Version | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Datenwissenschaft | 30. Oktober 2023 | Data Science ist ein Python-3.7-Conda |
Datenwissenschaft-1.0 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker JumpStart Datenwissenschaft 1.0 | 30. Oktober 2023 | SageMaker JumpStart Data Science 1.0 ist ein SageMaker JumpStart Image, das häufig verwendete Pakete und Bibliotheken enthält. |
sagemaker-jumpstart-data-science-1.0 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker JumpStart MXNet 1.0 | 30. Oktober 2023 | SageMaker JumpStart MXNet 1.0 ist ein SageMaker JumpStart Image, das MXNet enthält. |
sagemaker-jumpstart-mxnet-1.0 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker JumpStart PyTorch 1.0 | 30. Oktober 2023 | SageMaker JumpStart PyTorch 1.0 ist ein SageMaker JumpStart Image, das enthält PyTorch. |
sagemaker-jumpstart-pytorch-1.0 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SageMaker JumpStart TensorFlow 1.0 | 30. Oktober 2023 | SageMaker JumpStart TensorFlow 1.0 ist ein SageMaker JumpStart Image, das enthält TensorFlow. |
sagemaker-jumpstart-tensorflow-1.0 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SparkMagic | 30. Oktober 2023 | Anaconda Individual Edition mit - PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic |
Sagemaker-Sparkmagic |
|
Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.3 Python 3.7 CPU-optimiert | 30. Oktober 2023 | Die AWS Deep Learning Containers für TensorFlow 2.3 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers mit TensorFlow 2.3.0 |
tensorflow-2.3-cpu-py37-ubuntu18.04-v1 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 2.3 Python 3.7 GPU-optimiert | 30. Oktober 2023 | Die AWS Deep Learning Containers für TensorFlow 2.3 mit CUDA 11.0 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers für TensorFlow 2.3.1 mit CUDA 11.0 |
tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 1.15 Python 3.7 CPU-optimiert | 30. Oktober 2023 | Die AWS Deep Learning Containers für TensorFlow 1.15 enthalten Container für das Training auf der CPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers v7.0 für TensorFlow |
tensorflow-1.15-cpu-py37-ubuntu18.04-v7 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TensorFlow 1.15 Python 3.7 GPU-optimiert | 30. Oktober 2023 | Die AWS Deep Learning Containers für TensorFlow 1.15 mit CUDA 11.0 enthalten Container für das Training auf der GPU, optimiert für Leistung und Skalierung auf AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers v7.0 für TensorFlow |
tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 | Python 3 | Python 3.7 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
