Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Contêineres Docker personalizados com IA SageMaker

Modo de foco
Contêineres Docker personalizados com IA SageMaker - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Você pode adaptar uma imagem existente do Docker para trabalhar com SageMaker IA. Talvez seja necessário usar uma imagem externa existente do Docker com SageMaker IA quando tiver um contêiner que atenda aos requisitos de recursos ou de segurança que atualmente não são suportados por uma imagem de IA pré-criada SageMaker . Há dois kits de ferramentas que permitem que você traga seu próprio contêiner e o adapte para funcionar com SageMaker IA:

Os tópicos a seguir mostram como adaptar sua imagem existente usando os kits de ferramentas SageMaker de treinamento e inferência:

Bibliotecas de estrutura individuais

Além do kit de ferramentas de SageMaker treinamento e do kit de ferramentas de inferência de SageMaker IA, a SageMaker IA também fornece kits de ferramentas especializados para TensorFlow, MXNet, PyTorch e Chainer. A tabela a seguir fornece links para os GitHub repositórios que contêm o código-fonte de cada estrutura e seus respectivos kits de ferramentas de serviço. As instruções vinculadas são para usar o SDK do Python para executar algoritmos de treinamento e hospedar modelos na IA. SageMaker A funcionalidade dessas bibliotecas individuais está incluída no SageMaker AI Training Toolkit e no SageMaker AI Inference Toolkit.

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.