Scikit-learn および Spark ML 用のビルド済み Amazon SageMaker Docker イメージ

SageMaker は、scikit-learn および Spark ML ライブラリをインストールするビルド済みの Docker イメージを提供します。これらのライブラリには、Amazon SageMaker Python SDK SageMaker を使用して と互換性のある Docker イメージを構築するために必要な依存関係も含まれています。SDK を使用すると、機械学習タスクには scikit-learn、機械学習パイプラインを作成して調整するには Spark ML を使用できます。SDK のインストールおよび使用の手順については、「SageMaker Python SDK」を参照してください。

Python SDK の使用 SageMaker

次の表には、scikit-learn コンテナと Spark ML コンテナのソースコードを含む GitHub リポジトリへのリンクが含まれています。この表には、Python SDK 推定器でこれらのコンテナを使用して、独自のトレーニングアルゴリズムを実行し、独自のモデルをホストする方法を示す手順へのリンクも含まれています。

[Library] (ライブラリ)	構築済みの Docker イメージのソースコード	手順
scikit-learn	SageMaker Scikit-learn コンテナ	Amazon SageMaker Python SDK での Scikit-learn の使用
Spark ML	SageMaker Spark ML Serving コンテナ	SparkML Python SDK ドキュメント

詳細と GitHub リポジトリへのリンクについては、「Amazon で Scikit-Learn を使う SageMaker」と「Amazon で SparkML サービングを利用する SageMaker」を参照してください。

構築済みイメージを手動で指定する

SageMaker Python SDK とその推定器の 1 つを使用してコンテナを管理していない場合は、関連する構築済みコンテナを手動で取得する必要があります。構築済みの SageMakerDocker イメージは Amazon Elastic Container Registry (Amazon ECR) に保存されます。フルネームレジストリ addresses を使用してプッシュまたはプルできます。scikit-learn および Spark ML には、次の Docker Image URL パターン SageMaker を使用します。

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

  例えば、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>

  例えば、341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4

アカウント IDs「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。 AWS

使用可能なイメージを検索する

次のコマンドを使用して、使用可能なイメージのバージョンを検索します。例えば、以下を使用して、ca-central-1 リージョンで使用可能な sagemaker-sparkml-serving イメージを検索します。

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