Emballer votre code en images - AWS Marketplace

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.

Emballer votre code en images

Les produits de machine learning AWS Marketplace utilisent Amazon SageMaker pour créer et exécuter la logique d'apprentissage automatique que vous proposez aux acheteurs. SageMaker exécute des images de conteneur Docker qui contiennent votre logique. SageMakerexécute ces conteneurs dans une infrastructure sécurisée et évolutive. Pour plus d’informations, consultez Sécurité et propriété intellectuelle.

Quel type d'image de conteneur dois-je créer ?

Les deux types d'images de conteneur sont une image d'inférence et une image d'apprentissage.

Pour créer un produit d'emballage modèle, vous n'avez besoin que d'une image d'inférence. Pour obtenir des instructions complètes, veuillez consulter Images du package du modèle.

Pour créer un produit algorithmique, vous avez besoin à la fois d'images d'entraînement et d'inférence. Pour obtenir des instructions complètes, veuillez consulter Images d'algorithmes.

Pour empaqueter correctement le code dans une image de conteneur, le conteneur doit respecter la structure du SageMaker fichier. Le conteneur doit exposer les points de terminaison appropriés pour garantir que le service puisse transmettre des données vers et depuis votre conteneur. Les sections suivantes expliquent les détails de ce processus.

Important

Pour des raisons de sécurité, lorsqu'un acheteur s'abonne à votre produit conteneurisé, les conteneurs Docker s'exécutent dans un environnement isolé sans connexion Internet. Lorsque vous créez vos conteneurs, ne vous fiez pas aux appels sortants sur Internet, car ils échoueront. Les appels vers AWS services échoueront également. Pour plus d’informations, consultez la section Sécurité et propriété intellectuelle.

Si vous le souhaitez, lorsque vous créez vos images d'inférence et d'entraînement, utilisez un conteneur d'Available Deep Learning Containers Images comme point de départ. Les images sont déjà correctement emballées avec différents frameworks d'apprentissage automatique.