Vorgefertigte SageMaker Docker-Images für Deep Learning

Amazon SageMaker stellt vorgefertigte Docker-Images bereit, die Deep-Learning-Frameworks und andere Abhängigkeiten enthalten, die für Training und Inferenz benötigt werden. Eine vollständige Liste der vorgefertigten Docker-Images, die von verwaltet werden SageMaker, finden Sie unter Docker-Registrierungspfade und Beispielcode.

Verwenden des SageMaker Python-SDK

Mit dem SageMaker Python-SDK können Sie Modelle mit diesen beliebten Deep-Learning-Frameworks trainieren und bereitstellen. Anweisungen zur Installation und Verwendung des SDK finden Sie unter Amazon SageMaker Python SDK. In der folgenden Tabelle sind die verfügbaren Frameworks und Anweisungen zu ihrer Verwendung mit dem SageMaker Python-SDK aufgeführt:

Framework	Anweisungen
TensorFlow	Verwendung TensorFlow mit dem SageMaker Python-SDK
MXNet	Verwenden von MXNet mit dem SageMaker Python-SDK
PyTorch	Verwendung PyTorch mit dem SageMaker Python-SDK
Chainer	Chainer mit dem SageMaker Python SDK verwenden
Hugging Face	Hugging Face mit dem Python-SDK verwenden SageMaker

Erweiterung vorgefertigter Docker-Images SageMaker

Sie können diese vorgefertigten Container nach Bedarf anpassen oder erweitern. Mit dieser Anpassung können Sie alle zusätzlichen Funktionsanforderungen für Ihren Algorithmus oder Ihr Modell erfüllen, die das vorgefertigte SageMaker Docker-Image nicht unterstützt. Ein Beispiel hierfür finden Sie unter Feinabstimmung und Bereitstellung eines BerTopic-Modells SageMaker mit Ihren eigenen Skripten und Datensätzen durch Erweiterung vorhandener Container. PyTorch

Sie können auch vorgefertigte Container verwenden, um Ihre benutzerdefinierten Modelle oder Modelle bereitzustellen, die in einem anderen Framework als trainiert wurden. SageMaker Einen Überblick über den Prozess finden Sie unter Bring Your Own Pretrained MXNet or TensorFlow Models into Amazon. SageMaker In diesem Tutorial wird beschrieben, wie die trainierten Modellartefakte in einen Endpunkt gebracht SageMaker und dort gehostet werden.