기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
사용 가능한 아마존 SageMaker 이미지
Amazon SageMaker Studio에서 사용할 수 있는 SageMaker 이미지는 다음과 같습니다. SageMaker 이미지에는 최신 Amazon SageMaker Python SDK와
-
베이스 파이썬 [파이썬-3.6]
DockerHub boto3와 함께 제공되는 공식 파이썬 3.6 이미지가AWS CLI 포함되어 있습니다.
-
베이스 파이썬 2.0 [sagemaker-base-python-38]
DockerHub boto3과 함께 제공되는 공식 파이썬 3.8 이미지가AWS CLI 포함되어 있습니다.
-
베이스 파이썬 3.0 [sagemaker-base-python-310]
DockerHub boto3와 함께 제공되는 공식 파이썬 3.10 이미지가AWS CLI 포함되어 있습니다.
-
데이터 사이언스 [데이터 사이언스-1.0]
Data Science및 SciKit Learn과 같이 NumPy 가장 일반적으로 사용되는 Python 패키지 및 라이브러리가 포함된 Python 3.7 conda이미지입니다. -
데이터 사이언스 2.0 [세이지메이커-데이터 사이언스-38]
Data Science 2.0는 아나콘다 버전 2021.11을 기반으로 하는 파이썬 3.8 콘다이미지로, 가장 일반적으로 사용되는 파이썬 패키지 및 라이브러리 (예: 및 SciKit Learn) 가 NumPy 포함되어 있습니다. -
데이터 사이언스 3.0 [세이지메이커-데이터 사이언스-310]
Data Science 3.0는 아나콘다 버전 2022.10을 기반으로 하는 파이썬 3.10 콘다이미지로, 가장 일반적으로 사용되는 파이썬 패키지 및 라이브러리 (예: 및 SciKit Learn) 가 NumPy 포함되어 있습니다. -
아마존 SageMaker 지리공간 [세이지메이커-지리공간-1.0]
Amazon SageMaker Geopatial은 GDAL, Fiona, Shapely, Rasterio와 같이 일반적으로 사용되는 지리공간 라이브러리로 구성된 Python 이미지로, 그 안에서 지리공간 데이터를 시각화할 수 SageMaker 있습니다. GeoPandas 자세한 내용은 Amazon SageMaker 지리공간 노트북 SDK를 참조하세요.
-
SparkMagic [세이지메이커-스파크 매직]
스파크 커널이 포함된 PySpark 아나콘다 인디비주얼 에디션. 자세한 내용은 스파크매직을
참조하십시오. -
SparkAnalytics 1.0 [세이지메이커-데이터 사이언스-38]
스파크 커널이 포함된 PySpark 아나콘다 인디비주얼 에디션. 자세한 내용은 스파크매직을
참조하십시오. -
SparkAnalytics 2.0 [세이지메이커-데이터 사이언스-310]
스파크 커널이 포함된 PySpark 아나콘다 인디비주얼 에디션. 자세한 내용은 스파크매직을
참조하십시오. -
MXNet 1.6 파이썬 3.6 (CPU에 최적화됨) [mxnet-1.6-cpu-py36]
ApacheAWS MXNet 1.6으로 구동되는 MX용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 MXNet 1.6.0용AWS Deep Learning Containers
참조하십시오. -
MXNet 1.6 파이썬 3.6 (GPU에 최적화됨) [mxnet-1.6-gpu-py36]
ApacheAWS MXNet 1.6과 CUDA 10.1을 기반으로 하는 MX용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 MXNet 1.6.0용AWS Deep Learning Containers
참조하십시오. -
MXNet 1.8 파이썬 3.7 (CPU에 최적화됨) [mxnet-1.8-cpu-py37-ubuntu16.04-v1]
ApacheAWS MXNet 1.8로 구동되는 MX용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 AWSMX 1.8.0용AWS Deep Learning Containers
참조하십시오. -
MXNet 1.8 파이썬 3.7 (GPU에 최적화됨) [mxnet-1.8-gpu-py37-cu110-ubuntu16.04-v1]
CUDA 11.0이 포함된 ApacheAWS MXNet 1.8로 구동되는 MX용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 AWSMX 1.8.0용AWS Deep Learning Containers
참조하십시오. -
MXNet 1.9 파이썬 3.8 (CPU에 최적화됨) [mxnet-1.9-cpu-py38-ubuntu20.04-sagemaker-v1.0]
ApacheAWS MXNet 1.9로 구동되는 MX용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 MX 1.9.0용AWS Deep Learning Containers
참조하십시오 SageMaker . -
MXNet 1.9 파이썬 3.8 (GPU에 최적화됨) [mxnet-1.9-gpu-py38-cu112-ubuntu20.04-sagemaker-v1.0]
ApacheAWS MXNet 1.9와 CUDA 11.2를 기반으로 하는 MX용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 MX 1.9.0용AWS Deep Learning Containers
참조하십시오 SageMaker . -
PyTorch 1.10 파이썬 3.8 (CPU에 최적화됨) [pytorch-1.10-cpu-py38]
PyTorch 1.10용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.10.2용AWS Deep Learning Containers
참조하십시오 SageMaker . -
PyTorch 1.10 파이썬 3.8 (GPU에 최적화됨) [pytorch-1.10-gpu-py38]
CUDA 11.3이 포함된 PyTorch 1.10용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.10.2용AWS Deep Learning Containers
참조하십시오 SageMaker . -
PyTorch 1.4 파이썬 3.6 (CPU에 최적화됨) [pytorch-1.4-cpu-py36]
PyTorch 1.4용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 의 AWSDeep Learning Containers v3.2를 참조하십시오 PyTorch
. -
PyTorch 1.4 파이썬 3.6 (GPU에 최적화됨) [pytorch-1.4-gpu-py36]
CUDA 10.1이 포함된 PyTorch 1.4용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 의 AWSDeep Learning Containers v3.2를 참조하십시오 PyTorch
. -
PyTorch 1.6 파이썬 3.6 (CPU에 최적화됨) [pytorch-1.6-cpu-py36-우분투16.04-v1]
PyTorch 1.6용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.6.0용AWS Deep Learning Containers
참조하십시오. -
PyTorch 1.6 파이썬 3.6 (GPU에 최적화됨) [pytorch-1.6-gpu-py36-cu110-우분투18.04-v3]
CUDA 11.0이 포함된 PyTorch 1.6용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 CUDA 11.0이 포함된 PyTorch 1.6.0용AWS Deep Learning Containers
참조하십시오. -
PyTorch 1.8 파이썬 3.6 (CPU에 최적화됨) [1.8.1-cpu-py36]
PyTorch 1.8용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.8.0용AWS Deep Learning Containers
참조하십시오. -
PyTorch 1.8 파이썬 3.6 (GPU에 최적화됨) [pytorch-1.8-gpu-py36]
CUDA 11.1이 포함된 PyTorch 1.8용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.8.0용AWS Deep Learning Containers
참조하십시오. -
PyTorch 1.12 파이썬 3.8 (CPU에 최적화됨) [pytorch-1.12-cpu-py38]
CUDA 11.3이 포함된 PyTorch 1.12용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.12.0용AWS Deep Learning Containers
참조하십시오. -
PyTorch 1.12 파이썬 3.8 (GPU에 최적화됨) [pytorch-1.12-gpu-py38]
CUDA 11.3이 포함된 PyTorch 1.12용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 PyTorch 1.12.0용AWS Deep Learning Containers
참조하십시오. -
TensorFlow 1.15 파이썬 3.6 (CPU에 최적화됨) [텐서플로우-1.15-cpu-py36]
TensorFlow 1.15용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 TensorFlow 1.15.3이 포함된AWS Deep Learning Containers
참조하십시오. -
TensorFlow 1.15 파이썬 3.6 (GPU에 최적화됨) [텐서플로우-1.15-gpu-py36]
CUDA 10.0이 포함된 TensorFlow 1.15용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 TensorFlow 1.15.3이 포함된AWS Deep Learning Containers
참조하십시오. -
TensorFlow 1.15 파이썬 3.7 (CPU에 최적화됨) [텐서플로우-1.15-cpu-py37-우분투18.04-v7]
TensorFlow 1.15용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 AWSDeep Learning Containers v7.0을
참조하십시오 TensorFlow . -
TensorFlow 1.15 파이썬 3.7 (GPU에 최적화됨) [텐서플로우-1.15-gpu-py37-cu110-우분투18.04-v8]
CUDA 11.0이 포함된 TensorFlow 1.15용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 AWSDeep Learning Containers v7.0을
참조하십시오 TensorFlow . -
TensorFlow 2.1 파이썬 3.6 (CPU에 최적화됨) [텐서플로우-2.1-cpu-py36]
TensorFlow 2.1용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 Tensorflow용AWS Deep Learning Containers v6.2를
참조하십시오. -
TensorFlow 2.1 파이썬 3.6 (GPU에 최적화됨) [텐서플로우-2.1-gpu-py36]
CUDA 10.1이 포함된 TensorFlow 2.1용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 Tensorflow용AWS Deep Learning Containers v6.2를
참조하십시오. -
TensorFlow 2.3 파이썬 3.7 (CPU에 최적화됨) [텐서플로우-2.3-cpu-py37-우분투18.04-v1]
TensorFlow 2.3용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 TensorFlow 2.3.0의AWS Deep Learning Containers
참조하십시오. -
TensorFlow 2.3 파이썬 3.7 (GPU에 최적화됨) [텐서플로우-2.3-gpu-py37-cu110-우분투18.04-v3]
CUDA 11.0이 포함된 TensorFlow 2.3용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 CUDA 11.0이 포함된 TensorFlow 2.3.1용AWS Deep Learning Containers
참조하십시오. -
TensorFlow 2.6 파이썬 3.8 (CPU에 최적화됨) [텐서플로우-2.6-cpu-py38-우분투20.04-v1]
TensorFlow 2.6용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 TensorFlow 2.6용AWS Deep Learning Containers
참조하십시오. -
TensorFlow 2.6 파이썬 3.8 (GPU에 최적화됨) [텐서플로우-2.6-gpu-py38-cu112-우분투20.04-v1]
CUDA 11.2 기반 TensorFlow 2.6용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 TensorFlow 2.6용AWS Deep Learning Containers
참조하십시오. -
TensorFlow 2.10 파이썬 3.9 (CPU에 최적화됨) [2.10.0-cpu-py39-우분투20.04-sagemaker-v1.0]
CUDA 11.2가 포함된 TensorFlow 2.10용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 CPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 Deep Learning Containers Container 릴리스 정보를 참조하세요.
-
TensorFlow 2.10 파이썬 3.9 (GPU에 최적화됨) [텐서플로우-2.10-gpu-py39-cu112-ubuntu20.04-sagemaker-v1]
CUDA 11.2가 포함된 TensorFlow 2.10용AWS Deep Learning Containers 컨테이너에는 성능 및 확장에 최적화된 GPU 트레이닝용 컨테이너가 포함되어AWS 있습니다. 자세한 내용은 Deep Learning Containers Container 릴리스 정보를 참조하세요.
