Immagini Amazon SageMaker Docker predefinite per Scikit-learn e Spark ML

SageMaker fornisce immagini Docker predefinite che installano le librerie scikit-learn e Spark ML. Queste librerie includono anche le dipendenze necessarie per creare immagini Docker compatibili con l' SageMaker uso dell'SDK Amazon Python SageMaker . L’SDK consente di utilizzare scikit-learn per le attività di machine learning e Spark ML per creare e ottimizzare le pipeline di machine learning. Per istruzioni sull'installazione e l'uso dell'SDK, consulta SageMaker Python SDK.

Usare l' SageMakerSDK Python

La tabella seguente contiene i collegamenti ai GitHub repository con il codice sorgente per i contenitori scikit-learn e Spark ML. La tabella contiene anche link a istruzioni che mostrano come utilizzare questi container con gli strumenti di valutazione Python SDK per eseguire i propri algoritmi di addestramento e ospitare i propri modelli.

Libreria	Codice sorgente dell'immagine Docker predefinita	Istruzioni
scikit-learn	SageMaker Contenitori Scikit-learn	Usare Scikit-learn con l'SDK Amazon Python SageMaker
Spark ML	SageMaker Contenitori di servizio Spark ML	Documentazione di SparkML Python SDK

Per ulteriori informazioni e link ai repository github, consulta Usa Scikit-learn con Amazon SageMaker e Usa SparkML Serving con Amazon SageMaker.

Specificazione manuale delle immagini predefinite

Se non stai utilizzando SageMaker Python SDK e uno dei suoi estimatori per gestire il contenitore, devi recuperare manualmente il contenitore precostruito pertinente. Le immagini Docker SageMaker predefinite sono archiviate in Amazon Elastic Container Registry (Amazon ECR). Puoi inviarle o estrarle utilizzando i relativi indirizzi di registro con nome completo. SageMaker utilizza i seguenti pattern di URL di Docker Image per scikit-learn e Spark ML:

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

  Ad esempio, 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>

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

Per gli ID degli account e i nomi delle AWS regioni, consulta Percorsi del registro Docker e codice di esempio.

Ricerca delle immagini disponibili

Utilizza i seguenti comandi per scoprire quali versioni delle immagini sono disponibili. Ad esempio, utilizza quanto segue per trovare l'immagine sagemaker-sparkml-serving disponibile nella Regione ca-central-1:

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