Définissez l'environnement de votre script d'algorithme - Amazon Braket

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Définissez l'environnement de votre script d'algorithme

Amazon Braket prend en charge trois environnements définis par des conteneurs pour votre script d'algorithme :

  • Un conteneur de base (par défaut, si aucun conteneur n'image_uriest spécifié)

  • Un conteneur avec Tensorflow et PennyLane

  • Un contenant contenant PyTorch et PennyLane

Le tableau suivant fournit des informations détaillées sur les conteneurs et les bibliothèques qu'ils incluent.

Conteneurs Amazon Braket
Type PennyLane avec TensorFlow PennyLane avec PyTorch Pennylane

Base

292282985366.dkr. ecr.us-east-1.amazonaws.com /:latest amazon-braket-tensorflow-jobs

292282985366.dkr. ecr.us-west-2.amazonaws.com /:latest amazon-braket-pytorch-jobs

292282985366.dkr. ecr.us-west-2.amazonaws.com /:latest amazon-braket-base-jobs

Bibliothèques héritées

  • awscli

  • numpy

  • pandas

  • scipy

  • awscli

  • numpy

  • pandas

  • scipy

Bibliothèques supplémentaires

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • ipykernel

  • keras

  • matplotlib

  • réseaux

  • openbabel

  • PennyLane

  • protobuf

  • psi4

  • RSA

  • PennyLane-GPU Lightning

  • cuQuantum

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • ipykernel

  • keras

  • matplotlib

  • réseaux

  • openbabel

  • PennyLane

  • protobuf

  • psi4

  • RSA

  • PennyLane-GPU Lightning

  • cuQuantum

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • awscli

  • boto3

  • ipykernel

  • matplotlib

  • réseaux

  • numpy

  • openbabel

  • pandas

  • PennyLane

  • protobuf

  • psi4

  • RSA

  • scipy

Vous pouvez consulter et accéder aux définitions de conteneurs open source sur aws/ amazon-braket-containers. Choisissez le contenant qui correspond le mieux à votre cas d'utilisation. Le conteneur doit se trouver dans le conteneur Région AWS à partir duquel vous appelez votre tâche hybride. Vous spécifiez l'image du conteneur lorsque vous créez une tâche hybride en ajoutant l'un des trois arguments suivants à votre create(…​) appel dans le script de tâche hybride. Vous pouvez installer des dépendances supplémentaires dans le conteneur que vous choisissez lors de l'exécution (au prix du démarrage ou de l'exécution) car Amazon Les conteneurs Braket sont connectés à Internet. L'exemple suivant concerne la région us-west-2.

  • Image de base image_uri="292282985366.dkr. ecr.us-west-2.amazonaws.com /:1.0-cpu-py39-ubuntu22.04" amazon-braket-base-jobs

  • Image de Tensorflow image_uri="292282985366.dkr. ecr.us-east-1.amazonaws.com /:2.11.0-gpu-py39-cu112-ubuntu20.04" amazon-braket-tensorflow-jobs

  • PyTorch image image_uri="292282985366.dkr. ecr.us-west-2.amazonaws.com /:1.13.1-gpu-py39-cu117-ubuntu20.04" amazon-braket-pytorch-jobs

Ils image-uris peuvent également être récupérés à l'aide de la retrieve_image() fonction du Amazon Support. SDK L'exemple suivant montre comment les récupérer depuis l'us-west-2 Région AWS.

from braket.jobs.image_uris import retrieve_image, Framework

image_uri_base = retrieve_image(Framework.BASE, "us-west-2")
image_uri_tf = retrieve_image(Framework.PL_TENSORFLOW, "us-west-2")
image_uri_pytorch = retrieve_image(Framework.PL_PYTORCH, "us-west-2")