による Docker コンテナの使用SageMaker

Amazon SageMaker は、ビルドおよびランタイムタスクに Docker コンテナを広範に使用します。SageMaker は、組み込みアルゴリズム用に構築済みの Docker イメージと、トレーニングと推論に使用されるサポート対象の深層学習フレームワークを提供します。コンテナを使用すると、機械学習アルゴリズムをトレーニングし、規模を問わずモデルを迅速かつ確実にデプロイできます。このセクションのトピックでは、独自のユースケース用にこれらのコンテナをデプロイする方法を示します。

トピック

• SageMaker を使用したスクリプトの実行、アルゴリズムのトレーニング、またはモデルのデプロイのシナリオ
• Docker コンテナの基礎
• 構築済みの SageMaker Docker イメージを使用する
• 独自の Docker コンテナを SageMaker と連携するように適応させる
• 独自のアルゴリズムとモデルを使用してコンテナを作成する
• サンプルノートブックの例: 独自のアルゴリズムやモデルを使用する

SageMaker を使用したスクリプトの実行、アルゴリズムのトレーニング、またはモデルのデプロイのシナリオ

Amazon SageMaker は、スクリプトの実行、アルゴリズムのトレーニング、モデルのデプロイに常に Docker コンテナを使用します。ただし、コンテナとのエンゲージメントレベルはユースケースによって異なります。

• 組み込みの SageMaker アルゴリズムまたはフレームワークを使用する。ほとんどのユースケースでは、コンテナについて心配することなく、組み込みアルゴリズムとフレームワークを使用できます。推定器を作成するときにアルゴリズムまたはフレームワークのバージョンを指定することで、SageMaker コンソール、AWS Command Line Interface (AWS CLI)、Python ノートブック、または Amazon SageMaker Python SDK からこれらのアルゴリズムをトレーニングおよびデプロイできます。使用可能な組み込みのアルゴリズムは、「Amazon SageMaker 組み込みアルゴリズムを使用する」トピックで項目別に説明しています。使用できるフレームワークの詳細については、「機械学習フレームワーク、Python、R」を参照してください。ノートブックインスタンスで実行されている Jupyter ノートブックを使用して、組み込みアルゴリズムをトレーニングおよびデプロイする方法の例については、「SageMaker」トピックを参照してください。Amazon SageMaker の開始方法

• 構築済みの SageMaker コンテナイメージを使用します。または、Docker コンテナを使用して組み込みのアルゴリズムとフレームワークを使用することもできます。SageMaker は、Apache MXNet、TensorFlow、PyTorch、Chainer など、一部の最も一般的な機械学習フレームワーク用の組み込みアルゴリズムと構築済みの Docker イメージ用のコンテナを提供します。利用可能な SageMaker イメージの完全なリストについては、「利用可能な深層学習コンテナイメージ」を参照してください。また、scikit-learn や SparkML などの機械学習ライブラリもサポートしています。 を使用する場合は、完全なコンテナ URI をそれぞれの Amazon SageMaker Python SDK SDK SageMaker クラスに渡すことでコンテナをデプロイできます。Estimator現在 SageMaker でサポートされている深層学習フレームワークの詳細なリストについては、「、SageMaker、Chainer、および TensorFlow 用に構築済みの MXNet Docker イメージPyTorch」を参照してください。scikit-learn および SparkML の事前構築済みコンテナイメージの詳細については、「scikit-learn および Spark ML 用に構築済みの Amazon SageMaker Docker イメージ 」を参照してください。Amazon SageMaker Python SDK でのフレームワークの使用の詳細については、「Amazon SageMaker での機械学習フレームワーク、Python、R の使用」でそれぞれのトピックを参照してください。

• 構築済みの SageMaker コンテナイメージを拡張します。あらかじめ構築された SageMaker アルゴリズムやモデル Docker イメージを拡張する場合は、ニーズに合わせて SageMaker イメージを変更できます。例については、「 コンテナの拡張PyTorch」を参照してください。

• 既存のコンテナイメージを適応させます: 既存のコンテナイメージを SageMaker と連携するように変更する場合は、Docker コンテナを変更して SageMaker トレーニングツールキットまたは推論ツールキットのいずれかを有効にする必要があります。独自のコンテナを構築してアルゴリズムをトレーニングまたはホストする方法を示す例については、「Bring Your Own R Algorithm」を参照してください。