SageMaker Immagini di distribuzione

Importante

Attualmente, tutti i pacchetti in SageMaker Distribution images sono concessi in licenza per l'uso con Amazon SageMaker e non richiedono licenze commerciali aggiuntive. Tuttavia, questo potrebbe essere soggetto a modifiche in futuro e consigliamo di rivedere regolarmente i termini di licenza per eventuali aggiornamenti.

SageMaker La distribuzione è una raccolta di immagini Docker, che include librerie e pacchetti popolari per l'apprendimento automatico, la scienza dei dati e la visualizzazione dell'analisi dei dati. Le immagini Docker includono framework di deep learning come i seguenti:

• PyTorch

• TensorFlow

• Keras

Include anche i pacchetti Python più diffusi come i seguenti:

• numpy

• scikit-learn

• pandas

All'interno del contenitore, puoi usare quanto segue: IDEs

• JupyterLab

• Editor di codice, basato su Code- OSS (Visual Studio Code Open Source)

Ogni immagine di SageMaker distribuzione ha una GPU variante e una CPU variante.

SageMaker La distribuzione è disponibile in:

• Studio

• Studio Lab

I pacchetti inclusi nel contenitore sono garantiti per essere compatibili tra loro e il runtime è progettato per funzionare ovunque. Puoi utilizzare il contenitore per eseguire notebook Amazon SageMaker Studio o SageMaker lavori di formazione. Puoi anche eseguire il contenitore su un laptop locale. Usa SageMaker Distribution per iniziare rapidamente a sviluppare il machine learning nel tuo ambiente locale. Passa senza problemi ad attività come l'esecuzione in batch di lavori di formazione senza dover riconfigurare l'ambiente di runtime.

Per l'elenco di tutte le librerie supportate all'interno della SageMaker distribuzione e delle versioni corrispondenti, consulta la Distribuzione. SageMaker GitHub Puoi anche utilizzare le immagini predefinite e di ready-to-use SageMaker distribuzione dalla Amazon Elastic Container Registry Gallery.

Pacchetti e versioni supportati

Per l'elenco dei pacchetti installati in una versione di SageMaker Distribution, consultate il RELEASE file.md nella directory build_artifacts del repository Distribution. SageMaker GitHub

SageMaker Politica di supporto delle immagini di distribuzione
Rilascio della versione	Descrizione	Frequenza di aggiornamento
Importante	Una versione principale di Amazon SageMaker Distribution aggiorna tutte le sue dipendenze principali all'ultima versione compatibile. SageMaker La distribuzione può aggiungere o rimuovere pacchetti in una versione principale. Le versioni principali sono indicate dal primo numero nella stringa della versione. Ad esempio, 1.0, 2.0, 3.0.	Semestrale
Minore	Una versione secondaria di Amazon SageMaker Distribution assicura che tutte le sue dipendenze principali vengano aggiornate all'ultima versione secondaria compatibile all'interno della stessa versione principale. SageMaker La distribuzione può aggiungere nuovi pacchetti durante il rilascio di una versione secondaria. Le versioni secondarie sono indicate dal secondo numero nella stringa della versione. Ad esempio, 1.1, 1.2 o 2.1	Mensile (vengono rilasciate anche versioni secondarie aggiuntive in base all'esigenza di aggiunta)
Patch	Una versione patch di Amazon SageMaker Distribution assicura che tutte le sue dipendenze principali vengano aggiornate all'ultima versione di patch compatibile all'interno della stessa versione secondaria. SageMaker La distribuzione non aggiunge o rimuove pacchetti durante il rilascio di una versione patch.	7 giorni (sono state implementate anche correzioni durante la notte in base alla gravità)

Importante

• SageMaker La distribuzione v0.x.y viene utilizzata solo in Studio Classic. SageMaker La distribuzione v1.x.y viene utilizzata solo in. JupyterLab

• Cerchiamo di aggiornare regolarmente le immagini di Studio con nuove versioni. Se i pacchetti nell'immagine Distribution non sono aggiornati, consigliamo di attendere il prossimo aggiornamento.

• Alcune dipendenze, come Python, vengono trattate in modo diverso. Amazon SageMaker Distribution consente un aggiornamento minore di Python con una versione. Ad esempio, puoi aggiornare Python 3.10 a Python 3.11 quando esegui l'aggiornamento dalla versione 4.8 alla 5.0.