深層学習用の構築済み SageMaker Docker イメージ

Amazon SageMaker は、深層学習フレームワークや、トレーニングや推論に必要なその他の依存関係を含む構築済みの Docker イメージを提供しています。によって管理される構築済み Docker イメージの完全なリストについては SageMaker、「Docker レジストリパス」と「サンプルコード」を参照してください。

Python SDK の使用 SageMaker

SageMaker Python SDK を使用すると、これらの一般的な深層学習フレームワークを使用してモデルをトレーニングおよびデプロイできます。SDK のインストールと使用の手順については、「Amazon SageMaker Python SDK」を参照してください。次の表に、使用可能なフレームワークと、SageMaker Python SDK でフレームワークを使用する方法を示します。

フレームワーク	手順
TensorFlow	SageMaker Python SDK TensorFlow での の使用
MXNet	SageMaker Python SDK での MXNet の使用
PyTorch	SageMaker Python SDK PyTorch での の使用
Chainer	SageMaker Python SDK での Chainer の使用
Hugging Face	SageMaker Python SDK での Hugging Face の使用

構築済み SageMaker Docker イメージの拡張

これらの構築済みコンテナをカスタマイズすることも、必要に応じて拡張することもできます。このカスタマイズにより、構築済みの SageMaker Docker イメージがサポートしていないアルゴリズムまたはモデルの追加機能要件を処理できます。この例については、「既存の PyTorch コンテナを拡張して、独自のスクリプトとデータセット SageMaker を使用して で BERTopic モデルを微調整およびデプロイする」を参照してください。

構築済みコンテナを使用して、カスタムモデルや、 以外のフレームワークでトレーニングされたモデルをデプロイすることもできます SageMaker。プロセスの概要については、「Bring Your Own Pretrained MXNet or TensorFlow Models into Amazon SageMaker」を参照してください。このチュートリアルでは、トレーニング済みモデルアーティファクトを に取り込み SageMaker 、エンドポイントでホストする方法について説明します。