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
In den folgenden Themen sind der Docker-Registry-Pfad und andere Parameter für jeden der von Amazon SageMaker AI bereitgestellten Algorithmen und Deep Learning Containers (DLC) aufgeführt. Weitere Informationen finden Sie unter Verwenden von vorgefertigten SageMaker-Docker-Images.
Verwenden Sie den Pfad wie folgt:
-
Zum Erstellen eines Trainingsauftrags (create_training_job
) geben Sie den Docker Registry-Pfad ( TrainingImage) und den Trainingseingabemodus (TrainingInputMode) für das Trainings-Image an. Sie erstellen einen Trainingsauftrag zum Trainieren eines Modells mit einem bestimmten Datensatz. -
Zum Erstellen eines Modells (create_model
) geben Sie den Docker Registry-Pfad ( Image) für das InterferenzabbildPrimaryContainer Imagean. SageMaker AI startet Compute-Instances für Machine Learning, die auf der Endpunktkonfiguration basieren, und stellt das Modell bereit, das die Artefakte (das Ergebnis der Modelltraining) enthält. -
Um einen Modellmonitor zu erstellen, wählen Sie die AWS-Region und dann Modellmonitor (Algorithmus) aus. Weitere Informationen finden Sie unter Amazon SageMaker AI Model Monitor vorkonfigurierter Container.
Anmerkung
Vorgefertigte Container-Images sind Eigentum von SageMaker AI und enthalten in einigen Fällen proprietären Code. Funktionen wie Training und Verarbeitung von Jobs, Batch-Transformation und Inferenz in Echtzeit verwenden diensteigene Anmeldeinformationen, um Images auf verwalteten SageMaker-AI-Instances abzurufen und auszuführen. Da keine Kundenanmeldedaten verwendet werden, verhindern die AWS-IAM-Richtlinien (einschließlich Service- und Ressourcenkontrollrichtlinien), die Amazon-ECR-Berechtigungen verweigern, nicht die Verwendung von vorgefertigten Images.
Anmerkung
Verwenden Sie für den Registry-Pfad das :1 Versions-Tag, um sicherzustellen, dass Sie eine stabile Version des Algorithmus/DLCs verwenden. Sie können ein Modell, das mithilfe eines Abbilds trainiert wurde, zuverlässig mit dem :1-Tag auf einem Inferenz-Image hosten, das den :1-Tag aufweist. Das Verwenden des :latest Tags im Registry-Pfad stellt Ihnen die aktuelle Version des Algorithmus bereit, kann aber zu Problemen mit der Abwärtskompatibilität führen. Vermeiden Sie die Verwendung des :latest-Tags für Produktionszwecke.
Wichtig
Wenn Sie den XGBoost-Image-URI von SageMaker AI abrufen, verwenden Sie nicht :latest oder :1 für das Bild-URI-Tag. Sie müssen eine der unterstützten Versionen angeben, um den von SageMaker AI verwalteten XGBoost-Container mit der nativen XGBoost-Paketversion auszuwählen, die Sie verwenden möchten. Um die Paketversion zu finden, die in die XGBoost-Container von SageMaker AI migriert wurde, wählen Sie Ihre aus und navigieren Sie AWS-Region dann zum Abschnitt XGBoost (Algorithmus).
Um den Registry-Pfad zu finden, wählen Sie die AWS-Region und dann den Algorithmus oder DLC aus.
Themen
