사전 빌드된 아마존 SageMaker Scikit-Learn 및 Spark ML용 도커 이미지

SageMaker scikit-learn 및 Spark ML 라이브러리를 설치하는 사전 빌드된 Docker 이미지를 제공합니다. 이러한 라이브러리에는 다음과 호환되는 Docker 이미지를 빌드하는 데 필요한 종속성도 포함되어 있습니다. SageMaker 사용아마존 SageMaker Python SDK. 이 SDK를 사용하면, 기계 학습 작업용 scikit-learn과 Spark ML을 사용하여 기계 학습 파이프라인을 생성하고 튜닝할 수 있습니다. SDK를 설치 및 사용하는 지침은 SageMaker Python SDK 참조하십시오.

사용 SageMakerPython SDK

다음 표에는 에 대한 링크가 포함되어 있습니다. GitHub scikit-learn 및 Spark ML 컨테이너의 소스 코드가 있는 리포지토리. 이 표에는 Python SDK 추정기와 함께 이러한 컨테이너를 사용하여 자체 훈련 알고리즘을 실행하고 자체 모델을 호스팅하는 방법을 보여주는 지침 링크도 포함되어 있습니다.

라이브러리	사전 구축 Docker 이미지 소스 코드	지침
Scikit-learn	SageMaker Scikit-Learn 컨테이너	아마존에서 Scikit-Learn을 활용하기 SageMaker Python SDK
Spark ML	SageMaker 스파크 ML 서빙 컨테이너	SparkML 파이썬 SDK 문서

자세한 내용 및 github 리포지토리에 대한 링크는 다음을 참조하십시오.아마존에서 Scikit-Learn을 사용하세요 SageMaker과아마존에서 SparkML 서빙 사용하기 SageMaker.

미리 빌드된 이미지를 수동으로 지정하기

사용하지 않는 경우 SageMaker Python SDK와 해당 추정기 중 하나를 사용하여 컨테이너를 관리하려면 미리 빌드된 관련 컨테이너를 수동으로 검색해야 합니다. The SageMaker사전 빌드된 Docker 이미지는 Amazon Elastic Container Registry (Amazon ECR) 를 사용하여 에 저장합니다. 전체 이름 레지스트리 주소를 사용하여 푸시하거나 가져올 수 있습니다. SageMaker scikit-learn 및 Spark ML에 다음과 같은 도커 이미지 URL 패턴을 사용합니다.

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

  예제: 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>

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

계정 ID의 경우AWS지역 이름, 참조Docker 레지스트리 경로 및 예제 코드.

사용 가능한 이미지 찾기

다음 명령을 사용하여 사용 가능한 이미지 버전을 확인합니다. 예를 들어, 다음을 사용하여 사용 가능한 버전을 찾을 수 있습니다.sagemaker-sparkml-serving에 있는 이미지ca-central-1지역:

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