Imágenes de SageMaker Docker prediseñadas para aprendizaje profundo

Amazon SageMaker proporciona imágenes de Docker prediseñadas que incluyen marcos de aprendizaje profundo y otras dependencias necesarias para el entrenamiento y la inferencia. Para obtener una lista completa de las imágenes de Docker prediseñadas que administran SageMaker, consulte las rutas de registro de Docker y el código de ejemplo.

Uso del SDK SageMaker de Python

Con el SDK de SageMaker Python, puede entrenar e implementar modelos utilizando estos populares marcos de aprendizaje profundo. Para obtener instrucciones sobre la instalación y el uso del SDK, consulte Amazon SageMaker Python SDK. En la siguiente tabla se enumeran los marcos disponibles y las instrucciones sobre cómo usarlos con el SDK de SageMaker Python:

Marcos	Instrucciones
TensorFlow	Uso TensorFlow con el SDK de SageMaker Python
MXNet	Uso de MXNet con el SDK de Python SageMaker
PyTorch	Uso PyTorch con el SDK de SageMaker Python
Chainer	Uso de Chainer con el SDK de SageMaker Python
Hugging Face	Uso de Hugging Face con el SDK de SageMaker Python

Ampliación de imágenes de Docker prediseñadas SageMaker

Puede personalizar estos contenedores prediseñados o ampliarlos según sea necesario. Con esta personalización, puede gestionar cualquier requisito funcional adicional para su algoritmo o modelo que no sea compatible con la imagen de SageMaker Docker prediseñada. Para ver un ejemplo de esto, consulta Cómo ajustar e implementar un modelo BerTopic SageMaker con tus propios scripts y conjuntos de datos, ampliando los contenedores existentes. PyTorch

También puede usar contenedores prediseñados para implementar sus modelos personalizados o modelos que hayan sido entrenados en un marco distinto al. SageMaker Para obtener una descripción general del proceso, consulte Traiga sus propios MXNet TensorFlow o modelos previamente entrenados a Amazon. SageMaker En este tutorial se explica cómo introducir los artefactos del modelo entrenados SageMaker y alojarlos en un punto final.