Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Docker-Registry-Pfade und Beispielcode für AWS GovCloud (US-West) (us-gov-west-1)
In den folgenden Themen sind die Parameter für jeden der von Amazon SageMaker AI bereitgestellten Algorithmen und Deep-Learning-Container in dieser AWS-Region aufgeführt.
Themen
AutoGluon (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='autogluon',region='us-gov-west-1',image_scope='inference',version='0.4')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
1.3.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
1.3.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
1.2.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
1.2.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
1.1.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
1.1.1 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
1.1.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
1.1.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
1.0.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
1.0.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.8.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.8.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.7.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.7.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.6.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.6.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.6.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.6.1 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.5.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.5.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.4.3 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.4.3 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.4.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.4.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.4.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.4.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.3.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.3.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-training:<tag> |
0.3.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/autogluon-inference:<tag> |
0.3.1 | Inferenz |
BlazingText (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='blazingtext',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/blazingtext:<tag> |
1 | Inferenz, Training |
Chainer (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='chainer',region='us-gov-west-1',version='5.0.0',py_version='py3',image_scope='inference',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-chainer:<tag> |
5.0.0 | Inferenz, Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-chainer:<tag> |
4.1.0 | Inferenz, Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-chainer:<tag> |
4.0.0 | Inferenz, Training | CPU, GPU | py2, py3 |
Clarify (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='clarify',region='us-gov-west-1',version='1.0',image_scope='processing')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
598674086554.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-clarify-processing:<tag> |
1,0 | Verarbeitung |
DJL DeepSpeed (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='djl-deepspeed', region='us-west-2',py_version='py3',image_scope='inference')
| Registry-Pfad | Version | Jobtypen (Bildbereich) |
|---|---|---|
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.27.0-deepspeed0.12.6-cu121-<tag> |
0.27.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.26.0-deepspeed0.12.6-cu121-<tag> |
0.26.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.25.0-deepspeed0.11.0-cu118-<tag> |
0.25.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.24.0-deepspeed0.10.0-cu118-<tag> |
0.24.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.23.0-deepspeed0.9.5-cu118-<tag> |
0.23.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.22.1-deepspeed0.9.2-cu118-<tag> |
0.22.1 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.21.0-deepspeed0.8.3-cu117-<tag> |
0.21.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.20.0-deepspeed0.7.5-cu116-<tag> |
0.20.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/djl-inference:0.19.0-deepspeed0.7.3-cu113-<tag> |
0.19.0 | Inferenz |
Debugger (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='debugger',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
515509971035.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-debugger-rules:<tag> |
brandneue | Debugger |
DeepAR Forecasting (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='forecasting-deepar',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/forecasting-deepar:<tag> |
1 | Inferenz, Training |
Factorization Machines (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='factorization-machines',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/factorization-machines:<tag> |
1 | Inferenz, Training |
Hugging Face (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='huggingface',region='us-gov-west-1',version='4.4.2',image_scope='training',base_framework_version='tensorflow2.4.1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.49.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.49.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.48.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.48.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.46.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.37.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.36.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.28.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.28.1 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.26.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.26.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.26.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.17.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.17.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.17.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.17.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.12.3 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.12.3 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.12.3 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.12.3 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.11.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.11.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.11.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.11.0 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.10.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.10.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.10.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.10.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.10.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.10.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.10.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.10.2 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.6.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.6.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.6.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.6.1 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-inference:<tag> |
4.6.1 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-inference:<tag> |
4.6.1 | Inferenz |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.5.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.5.0 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-pytorch-training:<tag> |
4.4.2 | Training |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/huggingface-tensorflow-training:<tag> |
4.4.2 | Training |
IP Insights (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='ipinsights',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/ipinsights:<tag> |
1 | Inferenz, Training |
Bildklassifizierung (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='image-classification',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/image-classification:<tag> |
1 | Inferenz, Training |
Inferentia MXNet (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='inferentia-mxnet',region='us-gov-west-1',version='1.5.1',instance_type='ml.inf1.6xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-mxnet:<tag> |
1.8 | Inferenz | inf | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-mxnet:<tag> |
1.5.1 | Inferenz | inf | py3 |
Inferentia PyTorch (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='inferentia-pytorch',region='us-gov-west-1',version='1.9',py_version='py3')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-pytorch:<tag> |
1.9 | Inferenz | inf | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-pytorch:<tag> |
1.8 | Inferenz | inf | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-pytorch:<tag> |
1,7 | Inferenz | inf | py3 |
K-Means (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='kmeans',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/kmeans:<tag> |
1 | Inferenz, Training |
KNN (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='knn',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/knn:<tag> |
1 | Inferenz, Training |
LDA (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='lda',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/lda:<tag> |
1 | Inferenz, Training |
Linear Learner (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='linear-learner',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/linear-learner:<tag> |
1 | Inferenz, Training |
MXNet (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='mxnet',region='us-gov-west-1',version='1.4.1',py_version='py3',image_scope='inference', instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-training:<tag> |
1.9.0 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference:<tag> |
1.9.0 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-training:<tag> |
1.8.0 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference:<tag> |
1.8.0 | Inferenz | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-training:<tag> |
1.7.0 | Training | CPU, GPU | py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference:<tag> |
1.7.0 | Inferenz | CPU, GPU | py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference-eia:<tag> |
1.7.0 | eia | CPU | py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-training:<tag> |
1.6.0 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference:<tag> |
1.6.0 | Inferenz | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference-eia:<tag> |
1.5.1 | eia | CPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.4.1 | Training | CPU, GPU | py2 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-training:<tag> |
1.4.1 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet-serving:<tag> |
1.4.1 | Inferenz | CPU, GPU | py2 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference:<tag> |
1.4.1 | Inferenz | CPU, GPU | py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/mxnet-inference-eia:<tag> |
1.4.1 | eia | CPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.4.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet-serving:<tag> |
1.4.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet-serving-eia:<tag> |
1.4.0 | eia | CPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.3.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.3.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet-eia:<tag> |
1.3.0 | eia | CPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.2.1 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.2.1 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.1.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.1.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.0.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
1.0.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
0.12.1 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-mxnet:<tag> |
0.12.1 | Inferenz | CPU, GPU | py2, py3 |
MXNet Coach (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='coach-mxnet',region='us-gov-west-1',version='0.11',py_version='py3',image_scope='training',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-mxnet:coach0.11.0-<tag> |
0.11.0 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-mxnet:coach0.11-<tag> |
0.11 | Training | CPU, GPU | py3 |
NTM (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='ntm',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/ntm:<tag> |
1 | Inferenz, Training |
Neo Bildklassifizierung (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='image-classification-neo',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/image-classification-neo:<tag> |
brandneue | Inferenz |
Neo MXNet (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='neo-mxnet',region='us-gov-west-1',version='1.8',py_version='py3',image_scope='inference', instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-mxnet:<tag> |
1.8 | Inferenz | CPU, GPU | py3 |
Neo PyTorch (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='neo-pytorch',region='us-gov-west-1',version='1.6',image_scope='inference',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
2.0 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1.13 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1.12 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1.8 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1,7 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1,6 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1.5 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-pytorch:<tag> |
1.4 | Inferenz | CPU, GPU | py3 |
Neo Tensorflow (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='neo-tensorflow',region='us-gov-west-1',version='1.15.3',py_version='py3',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-tensorflow:<tag> |
2.9.2 | Inferenz | CPU, GPU | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-inference-tensorflow:<tag> |
1.15.3 | Inferenz | CPU, GPU | py3 |
Neo XGBoost (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='xgboost-neo',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/xgboost-neo:<tag> |
brandneue | Inferenz |
Object Detection (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='object-detection',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/object-detection:<tag> |
1 | Inferenz, Training |
Object2Vec (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='object2vec',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/object2vec:<tag> |
1 | Inferenz, Training |
PCA (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='pca',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/pca:<tag> |
1 | Inferenz, Training |
PyTorch (DLC)
Informationen zu den unterstützten und nicht unterstützten PyTorch-Versionen finden Sie in der Tabelle zur Framework-Supportrichtlinie im Entwicklerhandbuch zu Deep-Learning-Containern von AWS.
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='pytorch',region='us-gov-west-1',version='1.8.0',py_version='py3',image_scope='inference', instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.7.1 | Training | CPU, GPU | py312 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.6.0 | Inferenz | CPU, GPU | py312 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.6.0 | Training | CPU, GPU | py312 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.5.1 | Inferenz | CPU, GPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.5.1 | Training | CPU, GPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.4.0 | Inferenz | CPU, GPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
2.4.0 | inference_graviton | CPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.4.0 | Training | CPU, GPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.3.0 | Inferenz | CPU, GPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
2.3.0 | inference_graviton | CPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.3.0 | Training | CPU, GPU | py311 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
2.2.1 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.2.0 | Inferenz | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.2.0 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.1.0 | Inferenz | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
2.1.0 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.1.0 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.0.1 | Inferenz | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
2.0.1 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.0.1 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
2.0.0 | Inferenz | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
2.0.0 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
2.0.0 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.13.1 | Inferenz | CPU, GPU | py39 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.13.1 | Training | CPU, GPU | py39 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.12.1 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference-graviton:<tag> |
1.12.1 | inference_graviton | CPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.12.1 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.12.0 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.12.0 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.11.0 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.11.0 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.10.2 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.10.2 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.10.0 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.10.0 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.9.1 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.9.1 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.9.0 | Inferenz | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.9.0 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.8.1 | Inferenz | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.8.1 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.8.0 | Inferenz | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.8.0 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.7.1 | Inferenz | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.7.1 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.6.0 | Inferenz | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.6.0 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.5.0 | Inferenz | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.5.0 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.4.0 | Inferenz | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.4.0 | Training | CPU, GPU | py2, py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.3.1 | Inferenz | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.3.1 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-inference:<tag> |
1.2.0 | Inferenz | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/pytorch-training:<tag> |
1.2.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-pytorch:<tag> |
1.1.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-pytorch:<tag> |
1.1.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-pytorch:<tag> |
1.0.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-pytorch:<tag> |
1.0.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-pytorch:<tag> |
0.4.0 | Inferenz | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-pytorch:<tag> |
0.4.0 | Training | CPU, GPU | py2, py3 |
Random Cut Forest (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='randomcutforest',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/randomcutforest:<tag> |
1 | Inferenz, Training |
Scikit-learn (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='sklearn',region='us-gov-west-1',version='0.23-1',image_scope='inference')
| Registry-Pfad | Version | Paketversion | Auftragstypen (Bildbereich) |
|---|---|---|---|
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
1.2-1 | 1.2.1 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
1.2-1 | 1.2.1 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
1.0-1 | 1.0.2 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
1.0-1 | 1.0.2 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
1.0-1 | 1.0.2 | inference_graviton |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
0.23-1 | 0.23.2 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
0.23-1 | 0.23.2 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
0.20.0 | 0.20.0 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-scikit-learn:<tag> |
0.20.0 | 0.20.0 | Training |
Semantic Segmentation (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='semantic-segmentation',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/semantic-segmentation:<tag> |
1 | Inferenz, Training |
Seq2Seq (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='seq2seq',region='us-gov-west-1')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/seq2seq:<tag> |
1 | Inferenz, Training |
Spark (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='spark',region='us-gov-west-1',version='3.0',image_scope='processing')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
271483468897.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-spark-processing:<tag> |
3.3 | Verarbeitung |
271483468897.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-spark-processing:<tag> |
3.2 | Verarbeitung |
271483468897.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-spark-processing:<tag> |
3.1 | Verarbeitung |
271483468897.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-spark-processing:<tag> |
3.0 | Verarbeitung |
271483468897.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-spark-processing:<tag> |
2.4 | Verarbeitung |
SparkML Serving (Algorithmus)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='sparkml-serving',region='us-gov-west-1',version='2.4')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) |
|---|---|---|
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-sparkml-serving:<tag> |
3.3 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-sparkml-serving:<tag> |
2.4 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-sparkml-serving:<tag> |
2.2 | Inferenz |
Tensorflow (DLC)
Informationen zu den unterstützten und nicht unterstützten TensorFlow-Versionen finden Sie in der Tabelle zur Framework-Supportrichtlinie im Entwicklerhandbuch zu Deep-Learning-Containern von AWS.
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='tensorflow',region='us-gov-west-1',version='1.12.0',image_scope='inference',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.19.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.19.0 | Training | CPU, GPU | py312 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.18.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.18.0 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.16.2 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.16.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-graviton:<tag> |
2.16.1 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.14.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-graviton:<tag> |
2.14.1 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.14.1 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.13.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-graviton:<tag> |
2.13.0 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.13.0 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.12.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-graviton:<tag> |
2.12.1 | inference_graviton | CPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.12.0 | Training | CPU, GPU | py310 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.11.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.11.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.11.0 | Training | CPU, GPU | py39 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.10.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.10.1 | Training | CPU, GPU | py39 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.10.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.9.3 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.9.2 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.9.2 | Training | CPU, GPU | py39 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-graviton:<tag> |
2.9.1 | inference_graviton | CPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.8.4 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.8.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.8.0 | Training | CPU, GPU | py39 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.7.1 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.7.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.6.3 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.6.3 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.6.2 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.6.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.6.0 | Training | CPU, GPU | py38 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.5.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.5.1 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.5.0 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.4.3 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.4.3 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.4.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.4.1 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.3.2 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.3.2 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.3.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.3.1 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-eia:<tag> |
2.3.0 | eia | CPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.3.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.3.0 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.2.2 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.2.2 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.2.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.2.1 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.2.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.2.0 | Training | CPU, GPU | py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.1.3 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.1.3 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.1.2 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.1.2 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.1.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.1.1 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.1.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.1.0 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.0.4 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.0.4 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.0.3 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.0.3 | Training | CPU, GPU | py3, py36 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.0.2 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.0.2 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.0.1 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.0.1 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-eia:<tag> |
2.0.0 | eia | CPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
2.0.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
2.0.0 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.15.5 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.15.5 | Training | CPU, GPU | py3, py36, py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.15.4 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.15.4 | Training | CPU, GPU | py3, py36, py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.15.3 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.15.3 | Training | CPU, GPU | py2, py3, py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.15.2 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.15.2 | Training | CPU, GPU | py2, py3, py37 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-eia:<tag> |
1.15.0 | eia | CPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.15.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.15.0 | Training | CPU, GPU | py2, py3 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference-eia:<tag> |
1.14.0 | eia | CPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.14.0 | Inferenz | CPU, GPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.14.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-scriptmode:<tag> |
1.13.1 | Training | CPU, GPU | py2 |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-training:<tag> |
1.13.1 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-serving-eia:<tag> |
1.13.0 | eia | CPU | - |
442386744353.dkr.ecr.us-gov-west-1.amazonaws.com/tensorflow-inference:<tag> |
1.13.0 | Inferenz | CPU, GPU | - |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-serving-eia:<tag> |
1.12.0 | eia | CPU | - |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-serving:<tag> |
1.12.0 | Inferenz | CPU, GPU | - |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-scriptmode:<tag> |
1.12.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-serving-eia:<tag> |
1.11.0 | eia | CPU | - |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-serving:<tag> |
1.11.0 | Inferenz | CPU, GPU | - |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-scriptmode:<tag> |
1.11.0 | Training | CPU, GPU | py2, py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow-eia:<tag> |
1.10.0 | eia | CPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.10.0 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.10.0 | Training | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.9.0 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.9.0 | Training | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.8.0 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.8.0 | Training | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.7.0 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.7.0 | Training | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.6.0 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.6.0 | Training | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.5.0 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.5.0 | Training | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.4.1 | Inferenz | CPU, GPU | py2 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-tensorflow:<tag> |
1.4.1 | Training | CPU, GPU | py2 |
Tensorflow Coach (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='coach-tensorflow',region='us-gov-west-1',version='1.0.0',image_scope='training',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:coach0.11.1-<tag> |
0.11.1 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:coach0.11.0-<tag> |
0.11.0 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:coach0.11-<tag> |
0.11 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:coach0.10.1-<tag> |
0.10.1 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:coach0.10-<tag> |
0.10 | Training | CPU, GPU | py3 |
Tensorflow Inferentia (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='inferentia-tensorflow',region='us-gov-west-1',version='1.15.0',instance_type='ml.inf1.6xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-tensorflow:<tag> |
2.5.2 | Inferenz | inf | py3 |
263933020539.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-neo-tensorflow:<tag> |
1.15.0 | Inferenz | inf | py3 |
Tensorflow Ray (DLC)
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='ray-tensorflow',region='us-gov-west-1',version='0.8.5',instance_type='ml.c5.4xlarge')
| Registry-Pfad | Version | Auftragstypen (Bildbereich) | Typen von Prozessoren | Python Versionen |
|---|---|---|---|---|
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:ray0.6.5-<tag> |
0.6.5 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:ray0.6-<tag> |
0.6 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:ray0.5.3-<tag> |
0.5.3 | Training | CPU, GPU | py3 |
246785580436.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-rl-tensorflow:ray0.5-<tag> |
0,5 | Training | CPU, GPU | py3 |
XGBoost-Algorithmus
Das folgende Beispiel für ein SageMaker AI Python SDK zeigt, wie ein bestimmter Registrierungspfad abgerufen wird.
from sagemaker import image_uris image_uris.retrieve(framework='xgboost',region='us-gov-west-1',version='1.5-1')
| Registry-Pfad | Version | Paketversion | Auftragstypen (Bildbereich) |
|---|---|---|---|
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.7-1 | 1.7.4 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.7-1 | 1.7.4 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.5-1 | 1.5.2 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.5-1 | 1.5.2 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.5-1 | 1.5.2 | inference_graviton |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.3-1 | 1.3.3 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.3-1 | 1.3.3 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.3-1 | 1.3.3 | inference_graviton |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.2-2 | 1.2.0 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.2-2 | 1.2.0 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.2-1 | 1.2.0 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.2-1 | 1.2.0 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.0-1 | 1.0.0 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
1.0-1 | 1.0.0 | Training |
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/xgboost:<tag> |
1 | 0.72 | Inferenz |
226302683700.dkr.ecr.us-gov-west-1.amazonaws.com/xgboost:<tag> |
1 | 0.72 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
0.90-2 | 0.90 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
0.90-2 | 0.90 | Training |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
0.90-1 | 0.90 | Inferenz |
414596584902.dkr.ecr.us-gov-west-1.amazonaws.com/sagemaker-xgboost:<tag> |
0.90-1 | 0.90 | Training |
