Utilisation de conteneurs Docker avec SageMaker - Amazon SageMaker

Utilisation de conteneurs Docker avec SageMaker

Amazon SageMaker fait un usage intensif des conteneurs Docker pour les tâches de création et d'exécution. SageMaker fournit des images Docker préconçues pour ses algorithmes intégrés et les cadres de deep learning pris en charge et utilisés pour l'entraînement et l'inférence. L'utilisation de conteneurs vous permet d'entraîner des algorithmes de machine learning et de déployer des modèles de manière rapide et fiable à n'importe quelle échelle. Les rubriques de cette section montrent comment déployer ces conteneurs pour vos propres cas d'utilisation. Pour de plus amples informations sur l'importation de vos propres conteneurs à utiliser avec Amazon SageMaker Studio, consultez Importer votre propre image SageMaker.

Scénarios d'exécution de scripts, d'entraînement d'algorithmes ou de déploiement de modèles avec SageMaker

Amazon SageMaker utilise toujours des conteneurs Docker lors de l'exécution de scripts, de l'entraînement d'algorithmes ou du déploiement de modèles. Toutefois, votre niveau d'engagement avec les conteneurs dépend de votre cas d'utilisation.

  • Utilisation d'un algorithme ou d'un cadre SageMaker intégré. Dans la plupart des cas d'utilisation, vous pouvez utiliser les algorithmes et les cadres intégrés sans vous soucier des conteneurs. Vous pouvez entraîner et déployer ces algorithmes à partir de la console SageMaker, la AWS Command Line Interface (AWS CLI), un bloc-notes Python ou le kit SDK Amazon SageMaker Python en spécifiant l'algorithme ou la version du cadre lors de la création de votre estimateur. Les algorithmes intégrés disponibles sont détaillés et décrits dans la rubrique Utiliser les algorithmes intégrés d'Amazon SageMaker ou les modèles pré-entraînés. Pour de plus amples informations sur les cadres disponibles, veuillez consulter Cadres ML et boîtes à outils. Pour obtenir un exemple de l'entraînement et du déploiement d'un algorithme intégré avec un bloc-notes Jupyter s'exécutant dans une instance de bloc-notes SageMaker, veuillez consulter la rubrique Démarrer avec Amazon SageMaker.

  • Utilisation d'images de conteneur SageMaker préconçues. Vous pouvez également utiliser les algorithmes et les cadres intégrés à l'aide de conteneurs Docker. SageMaker fournit des conteneurs pour ses algorithmes intégrés et des images Docker préconçues pour certains des cadres de machine learning les plus courants, tels qu'Apache MXNet, TensorFlow, PyTorch et Chainer. Pour obtenir la liste complète des images SageMaker disponibles, veuillez consulter Available Deep Learning Containers Images (Images de Deep Learning Containers disponibles). Il prend également en charge les bibliothèques de machine learning telles que scikit-learn et Spark ML. Si vous utilisez le kit SDK Amazon SageMaker Python, vous pouvez déployer les conteneurs en transmettant l'URI du conteneur complet à leur classe Estimator de kit SDK SageMaker respective. Pour obtenir la liste complète des cadres de deep learning actuellement pris en charge par SageMaker, veuillez consulter Images SageMaker Docker préconçues pour le deep learning. Pour obtenir des informations sur les images de conteneur préconçues scikit-learn et Spark ML, veuillez consulter .Images Docker Amazon SageMaker préconçues pour scikit-learn et Spark ML Pour de plus amples informations sur l'utilisation des cadres avec le kit SDK Amazon SageMaker Python, veuillez consulter les rubriques respectives dans Utilisation de cadres de machine learning, de Python et de R avec Amazon SageMaker.

  • Étendre une image conteneur SageMaker préconstruite. Si vous voulez étendre un algorithme SageMaker ou une image Docker de modèle préconçu, vous pouvez modifier l'image SageMaker de sorte à répondre à vos besoins. Pour obtenir un exemple, consultez Extension de nos conteneurs PyTorch.

  • Adapter une image de conteneur existante : si vous voulez adapter une image de conteneur préexistante pour qu'elle fonctionne avec SageMaker, vous devez modifier le conteneur Docker pour activer la boîte à outils Entraînement ou Inférence de SageMaker. Pour obtenir un exemple sur la façon de générer vos propres conteneurs pour entraîner et héberger un algorithme, veuillez consulter Bring Your Own R Algorithm (Importer son propre algorithme R).