Gambar Amazon SageMaker Docker bawaan untuk Scikit-learn dan Spark ML - Amazon SageMaker
Menggunakan SageMaker Python SDK Menentukan Gambar Prebuilt Secara Manual

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Gambar Amazon SageMaker Docker bawaan untuk Scikit-learn dan Spark ML

SageMaker menyediakan gambar Docker bawaan yang menginstal pustaka scikit-learn dan Spark ML. Library ini juga menyertakan dependensi yang diperlukan untuk membangun image Docker yang kompatibel dengan penggunaan SageMaker Amazon Python SDK. SageMaker Dengan SDK, Anda dapat menggunakan scikit-learn untuk tugas pembelajaran mesin dan menggunakan Spark ML untuk membuat dan menyetel pipeline pembelajaran mesin. Untuk petunjuk cara menginstal dan menggunakan SDK, lihat SageMaker Python SDK.

Menggunakan SageMaker Python SDK

Tabel berikut berisi tautan ke GitHub repositori dengan kode sumber untuk wadah scikit-learn dan Spark ML. Tabel ini juga berisi tautan ke instruksi yang menunjukkan cara menggunakan wadah ini dengan penaksir SDK Python untuk menjalankan algoritme pelatihan Anda sendiri dan menghosting model Anda sendiri.

Perpustakaan Kode Sumber Gambar Docker Prebuilt Petunjuk
scikit-belajar

SageMaker Wadah Scikit-learn

Menggunakan Scikit-learn dengan Amazon Python SDK SageMaker

Percikan Ml

SageMaker Wadah Penyajian Spark ML

Dokumentasi SDK Python SparkMl

Untuk informasi selengkapnya dan tautan ke repositori github, lihat dan. Gunakan Scikit-Learn dengan Amazon SageMaker Gunakan Penyajian SparkMl dengan Amazon SageMaker

Menentukan Gambar Prebuilt Secara Manual

Jika Anda tidak menggunakan SageMaker Python SDK dan salah satu penaksirnya untuk mengelola penampung, Anda harus mengambil wadah bawaan yang relevan secara manual. Gambar Docker SageMaker bawaan disimpan di Amazon Elastic Container Registry (Amazon ECR). Anda dapat mendorong atau menariknya menggunakan alamat registri nama lengkap mereka. SageMaker menggunakan pola URL Gambar Docker berikut untuk scikit-learn dan Spark ML:

  • <ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-scikit-learn:<SCIKIT-LEARN_VERSION>-cpu-py<PYTHON_VERSION>

    Misalnya, 746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-scikit-learn:1.2-1-cpu-py3

  • <ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-sparkml-serving:<SPARK-ML_VERSION>

    Misalnya, 341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4

Untuk ID akun dan nama AWS Wilayah, lihat Jalur Registri Docker dan Kode Contoh.

Menemukan Gambar yang Tersedia

Gunakan perintah berikut untuk mengetahui versi gambar mana yang tersedia. Misalnya, gunakan yang berikut ini untuk menemukan sagemaker-sparkml-serving gambar yang tersedia di ca-central-1 Wilayah:

aws \
    ecr describe-images \
    --region ca-central-1 \
    --registry-id 341280168497 \
    --repository-name sagemaker-sparkml-serving