用于深度学习的预构建 SageMaker AI Docker 镜像

Amazon SageMaker AI 提供预构建的 Docker 镜像，其中包括深度学习框架以及训练和推理所需的其他依赖项。有关由 SageMaker AI 管理的预构建 Docker 镜像的完整列表，请参阅 Docker 注册表路径和示例代码。

使用 SageMaker AI Python 开发工具包

借助 SageMaker Python SDK，您可以使用这些常用的深度学习框架训练和部署模型。有关安装和使用软件开发工具包的说明，请参阅 Amaz SageMaker on Python 软件开发工具包。下表列出了可用框架以及如何将它们与 SageMaker Python SDK 配合使用的说明：

框架	说明
TensorFlow	TensorFlow 与 SageMaker Python 软件开发工具包配合使用
MXNet	MXNet 与 SageMaker Python 软件开发工具包配合使用
PyTorch	PyTorch 与 SageMaker Python 软件开发工具包配合使用
Chainer	在 SageMaker Python SDK 中使用 Chainer
Hugging Face	在 Pyth SageMaker on SDK 中使用 Hugging Face

扩展预构建的 SageMaker AI Docker 镜像

您可以根据需要自定义或扩展这些预构建容器。通过此自定义，您可以处理预构建的 SageMaker AI Docker 镜像不支持的算法或模型的任何其他功能要求。有关示例，请参阅通过扩展现有 PyTorch 容器，使用自己的脚本和数据集在 SageMaker AI 上微调和部署 BERTopic 模型。

您还可以使用预构建的容器来部署您的自定义模型或已在 SageMaker AI 以外的框架中训练过的模型。有关流程的概述，请参阅将自己的预训练 TensorFlow 模型 MXNet 或模型带入 Amazon SageMaker。本教程介绍如何将经过训练的模型工件引入 SageMaker AI 并将其托管在端点上。