SageMaker Amazon-Bilder sind für die Verwendung mit Studio Classic-Notebooks verfügbar - Amazon SageMaker KI
Image-Format des Image-ARNUnterstützte URI-TagsUnterstützte ImagesImages, die zur Vernachlässigung vorgesehen sindVeraltete Images

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.

SageMaker Amazon-Bilder sind für die Verwendung mit Studio Classic-Notebooks verfügbar

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter Amazon SageMaker Studio.

Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist aber nicht mehr für das Onboarding verfügbar. Sie können nur vorhandene Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, Ihren Workload auf das neue Studio-Erlebnis zu migrieren.

Diese Seite listet die SageMaker Images und zugehörigen Kernel auf, die in Amazon SageMaker Studio Classic verfügbar sind. Diese Seite enthält auch Informationen über das Format, das zur Erstellung des ARN für jedes Bild benötigt wird. SageMaker Images enthalten das neueste Amazon SageMaker Python SDK und die neueste Version des Kernels. Weitere Informationen finden Sie unter Deep Learning Containers Images.

Image-Format des Image-ARN

In der folgenden Tabelle ist das Image-ARN- und -URI-Format für jede Region aufgeführt. Um den vollständigen ARN für ein Bild zu erstellen, ersetzen Sie den resource-identifier Platzhalter durch die entsprechende Ressourcen-ID für das Bild. Die Ressourcen-ID befindet sich in der SageMaker Bild- und Kerneltabelle. Um den vollständigen URI für ein Bild zu erstellen, ersetzen Sie den tag Platzhalter durch das entsprechende CPU- oder GPU-Tag. Eine Liste der Tags, die Sie verwenden können, finden Sie unter Unterstützte URI-Tags.

Anmerkung

SageMaker Für Distributionsbilder wird ein bestimmter Satz von Bildern verwendet ARNs, die in der folgenden Tabelle aufgeführt sind.

Region Image ARN Format SageMaker ARN-Format für das Verteilungsbild SageMaker URI-Format für das Vertriebsbild
us-east-1 arn:aws:sagemaker:us-east-1:081325390199:image/resource-identifier arn:aws:sagemaker:us-east-1:885854791233:image/resource-identifier 885854791233.dkr. ecr.us-east-1.amazonaws.com/: sagemaker-distribution-prod tag
us-east-2 arn:aws:sagemaker:us-east-2:429704687514:image/resource-identifier arn:aws:sagemaker:us-east-2:137914896644:image/resource-identifier 137914896644.dkr. ecr.us-east-2.amazonaws.com/: sagemaker-distribution-prod tag
us-west-1 arn:aws:sagemaker:us-west-1:742091327244:image/resource-identifier arn:aws:sagemaker:us-west-1:053634841547:image/resource-identifier 053634841547.dkr. ecr.us-west-1.amazonaws.com/: sagemaker-distribution-prod tag
us-west-2 arn:aws:sagemaker:us-west-2:236514542706:image/resource-identifier arn:aws:sagemaker:us-west-2:542918446943:image/resource-identifier 542918446943.dkr. ecr.us-west-2.amazonaws.com/: sagemaker-distribution-prod tag
af-south-1 arn:aws:sagemaker:af-south-1:559312083959:image/resource-identifier arn:aws:sagemaker:af-south-1:238384257742:image/resource-identifier 238384257742.dkr. ecr.af-south-1.amazonaws.com/: sagemaker-distribution-prod tag
ap-east-1 arn:aws:sagemaker:ap-east-1:493642496378:image/resource-identifier arn:aws:sagemaker:ap-east-1:523751269255:image/resource-identifier 523751269255.dkr. ecr.ap-east-1.amazonaws.com/sagemaker-distribution-prod: tag
ap-south-1 arn:aws:sagemaker:ap-south-1:394103062818:image/resource-identifier arn:aws:sagemaker:ap-south-1:245090515133:image/resource-identifier 245090515133.dkr. ecr.ap-south-1.amazonaws.com/: sagemaker-distribution-prod tag
ap-northeast-2 arn:aws:sagemaker:ap-northeast-2:806072073708:image/resource-identifier arn:aws:sagemaker:ap-northeast-2:064688005998:image/resource-identifier 064688005998.dkr. ecr.ap-northeast-2.amazonaws.com/: sagemaker-distribution-prod tag
ap-southeast-1 arn:aws:sagemaker:ap-southeast-1:492261229750:image/resource-identifier arn:aws:sagemaker:ap-southeast-1:022667117163:image/resource-identifier 022667117163.dkr. ecr.ap-southeast-1.amazonaws.com/: sagemaker-distribution-prod tag
ap-southeast-2 arn:aws:sagemaker:ap-southeast-2:452832661640:image/resource-identifier arn:aws:sagemaker:ap-southeast-2:648430277019:image/resource-identifier 648430277019.dkr. ecr.ap-southeast-2.amazonaws.com/sagemaker-distribution-prod: tag
ap-northeast-1 arn:aws:sagemaker:ap-northeast-1:102112518831:image/resource-identifier arn:aws:sagemaker:ap-northeast-1:010972774902:image/resource-identifier 010972774902.dkr. ecr.ap-northeast-1.amazonaws.com/sagemaker-distribution-prod: tag
ca-central-1 arn:aws:sagemaker:ca-central-1:310906938811:image/resource-identifier arn:aws:sagemaker:ca-central-1:481561238223:image/resource-identifier 481561238223.dkr. ecr.ca-central-1.amazonaws.com/sagemaker-distribution-prod: tag
eu-central-1 arn:aws:sagemaker:eu-central-1:936697816551:image/resource-identifier arn:aws:sagemaker:eu-central-1:545423591354:image/resource-identifier 545423591354.dkr. ecr.eu-central-1.amazonaws.com/sagemaker-distribution-prod: tag
eu-west-1 arn:aws:sagemaker:eu-west-1:470317259841:image/resource-identifier arn:aws:sagemaker:eu-west-1:819792524951:image/resource-identifier 819792524951.dkr. ecr.eu-west-1.amazonaws.com/: sagemaker-distribution-prod tag
eu-west-2 arn:aws:sagemaker:eu-west-2:712779665605:image/resource-identifier arn:aws:sagemaker:eu-west-2:021081402939:image/resource-identifier 021081402939.dkr. ecr.eu-west-2.amazonaws.com/: sagemaker-distribution-prod tag
eu-west-3 arn:aws:sagemaker:eu-west-3:615547856133:image/resource-identifier arn:aws:sagemaker:eu-west-3:856416204555:image/resource-identifier 856416204555.dkr. ecr.eu-west-3.amazonaws.com/sagemaker-distribution-prod: tag
eu-north-1 arn:aws:sagemaker:eu-north-1:243637512696:image/resource-identifier arn:aws:sagemaker:eu-north-1:175620155138:image/resource-identifier 175620155138.dkr. ecr.eu-north-1.amazonaws.com/sagemaker-distribution-prod: tag
eu-south-1 arn:aws:sagemaker:eu-south-1:592751261982:image/resource-identifier arn:aws:sagemaker:eu-south-1:810671768855:image/resource-identifier 810671768855.dkr. ecr.eu-south-1.amazonaws.com/sagemaker-distribution-prod: tag
sa-east-1 arn:aws:sagemaker:sa-east-1:782484402741:image/resource-identifier arn:aws:sagemaker:sa-east-1:567556641782:image/resource-identifier 567556641782.dkr. ecr.sa-east-1.amazonaws.com/sagemaker-distribution-prod: tag
ap-northeast-3 arn:aws:sagemaker:ap-northeast-3:792733760839:image/resource-identifier arn:aws:sagemaker:ap-northeast-3:564864627153:image/resource-identifier 564864627153.dkr. ecr.ap-northeast-3.amazonaws.com/: sagemaker-distribution-prod tag
ap-southeast-3 arn:aws:sagemaker:ap-southeast-3:276181064229:image/resource-identifier arn:aws:sagemaker:ap-southeast-3:370607712162:image/resource-identifier 370607712162.dkr. ecr.ap-southeast-3.amazonaws.com/: sagemaker-distribution-prod tag
me-south-1 arn:aws:sagemaker:me-south-1:117516905037:image/resource-identifier arn:aws:sagemaker:me-south-1:523774347010:image/resource-identifier 523774347010.dkr. ecr.me-south-1.amazonaws.com/sagemaker-distribution-prod: tag
me-central-1 arn:aws:sagemaker:me-central-1:103105715889:image/resource-identifier arn:aws:sagemaker:me-central-1:358593528301:image/resource-identifier 358593528301.dkr. ecr.me-central-1.amazonaws.com/: sagemaker-distribution-prod tag

Unterstützte URI-Tags

Die folgende Liste zeigt die Tags, die Sie in Ihre Image-URI aufnehmen können.

  • 1-cpu

  • 1-gpu

  • 0-cpu

  • 0-gpu

Die folgenden Beispiele zeigen mit verschiedenen Tag-Formaten: URIs

  • 542918446943.dkr. ecr.us-west-2.amazonaws.com /:1-cpu sagemaker-distribution-prod

  • 542918446943.dkr. ecr.us-west-2.amazonaws.com /:0-gpu sagemaker-distribution-prod

Unterstützte Images

Die folgende Tabelle enthält Informationen über die SageMaker Images und die zugehörigen Kernel, die in Amazon SageMaker Studio Classic verfügbar sind. Außerdem finden Sie hier Informationen zur Ressourcen-ID und zur Python-Version, die im Image enthalten sind.

SageMaker Bilder und Kernel

SageMaker Bild Description Ressourcen-ID Kernel (und Kennung) Python-Version
Base Python 4.3 Offizielles Python 3.11-Image von DockerHub mit Boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 4.2 Offizielles Python 3.11-Image von DockerHub mit Boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 4.1 Offizielles Python 3.11-Image von DockerHub mit Boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 4.0 Offizielles Python 3.11-Image von DockerHub mit Boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 3.0 Offizielles Python 3.10-Image von DockerHub mit Boto3 und enthalten. AWS CLI sagemaker-base-python-310-v1 Python 3 (Python3) Python 3.10
Data Science 5.3 Data Science 5.3 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 5.2 Data Science 5.2 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 5.1 Data Science 5.1 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 5.0 Data Science 5.0 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 4.0 Data Science 4.0 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version 22.04 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-311-v1 Python 3 (Python3) Python 3.11
Data Science 3.0 Data Science 3.0 ist ein Python 3.10 Conda-Image, das auf der Ubuntu-Version 22.04 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-310-v1 Python 3 (Python3) Python 3.10
Geospatial 1.0 Amazon SageMaker Geospatial ist ein Python-Image, das aus häufig verwendeten Geodatenbibliotheken wie GDAL, Fiona GeoPandas, Shapley und Rasterio besteht. Es ermöglicht Ihnen, Geodaten innerhalb von KI zu visualisieren. SageMaker Weitere Informationen finden Sie unter Amazon SageMaker Geospatial Notebook SDK Sagemaker-Geospatial-1.0 Python 3 (Python3) Python 3.10
SparkAnalytics 4.3 Das SparkAnalytics 4.3-Image bietet Spark- und PySpark Kernel-Optionen für Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue, Spark und Glue PySpark, die eine flexible verteilte Datenverarbeitung ermöglichen. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4.2 Das SparkAnalytics 4.2-Image bietet Spark- und PySpark Kernel-Optionen für Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue, Spark und Glue PySpark, die eine flexible verteilte Datenverarbeitung ermöglichen. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4.1 Das SparkAnalytics 4.1-Image bietet Spark- und PySpark Kernel-Optionen für Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue, Spark und Glue PySpark, die eine flexible verteilte Datenverarbeitung ermöglichen. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4.0 Das SparkAnalytics 4.0-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue, Spark und Glue PySpark, die eine flexible verteilte Datenverarbeitung ermöglichen. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 3.0 Das SparkAnalytics 3.0-Image bietet Spark- und PySpark Kernel-Optionen für Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark, Glue SparkMagic PySpark, Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. Sagemaker-SparkAnalytics-311-v1

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 2.0 Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic. sagemaker-sparkanalytics-310-v1

  • SparkMagic Spark (_sparkmagic-sparkkernel) conda-env-sm

  • SparkMagic PySparkconda-env-sm(_sparkmagic-pysparkkernel)

  • Glue Spark (conda-env-sm_glue_is-glue_spark)

  • Glue Python [PySpark und Ray] (conda-env-sm_glue_is-glue_pyspark)

 Python 3.10
PyTorch 2.4.0 Python 3.11 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.4.0-cpu-py311 Python 3 (Python3) Python 3.11
PyTorch 2.4.0 Python 3.11 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.4.0-gpu-py311 Python 3 (Python3) Python 3.11
PyTorch 2.3.0 Python 3.11 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.3.0-cpu-py311 Python 3 (Python3) Python 3.11
PyTorch 2.3.0 Python 3.11 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.3.0-gpu-py311 Python 3 (Python3) Python 3.11
PyTorch 2.2.0 Python 3.10 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.2 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.2.0-cpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.2.0 Python 3.10 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.2 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.2.0-gpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.1.0 Python 3.10 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.1 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.1.0-cpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.1.0 Python 3.10 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.1.0-gpu-py310 Python 3 (Python3) Python 3.10
PyTorch 1.13 HuggingFace Python 3.10 Neuron Optimiert PyTorch 1.13 Image mit installierten Neuron-Paketen für das Training auf Trainium-Instanzen, die für Leistung HuggingFace und Skalierung optimiert sind. AWS hf-neuron-pypytorch-1.13-310 Python 3 (Python3) Python 3.10
PyTorch 1.13 Python 3.10 Neuron Optimiert PyTorch 1.13-Image mit installierten Neuron-Paketen für das Training auf Trainium-Instanzen, die für Leistung und Skalierung optimiert sind. AWS pytorch-1.13-neuron-py310 Python 3 (Python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 CPU-optimiert Die AWS Deep Learning Containers für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.14.1-cpu-py310-ubuntu20.04-sagemaker-v1.0 Python 3 (Python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 GPU-optimiert Die AWS Deep Learning Containers für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.14.1-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 Python 3 (Python3) Python 3.10

Images, die zur Vernachlässigung vorgesehen sind

SageMaker KI beendet die Unterstützung für Bilder am Tag, an dem eines der Pakete im Bild vom Herausgeber das Ende der Nutzungsdauer erreicht hat. Die folgenden SageMaker Bilder werden voraussichtlich nicht mehr unterstützt.

Bilder, die auf Python 3.8 basieren, end-of-lifewurden am 31. Oktober 2024 erreicht. Ab dem 1. November 2024 wird SageMaker KI die Unterstützung für diese Bilder einstellen und sie werden nicht mehr in der Studio Classic-Benutzeroberfläche auswählbar sein. Wenn Sie eines dieser Images verwenden, empfehlen wir Ihnen, zu einem Image mit einer neueren Version zu wechseln, um Verstöße gegen die Vorschriften zu vermeiden.

SageMaker Bilder, die als veraltet gelten sollen

SageMaker Bild Datum der Veraltung Description Ressourcen-ID Kernel Python-Version
SageMaker Verteilung v0.12 CPU 1. November 2024 SageMaker Distribution v0 CPU ist ein Python 3.8-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Visualisierung auf der CPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras PyTorch, TensorFlow beliebte Python-Pakete wie numpy, scikit-learn und pandas sowie Jupyter Lab. IDEs Weitere Informationen finden Sie im Amazon SageMaker AI Distribution-Repo. sagemaker-distribution-cpu-v0 Python 3 (Python3) Python 3.8
SageMaker Distribution v0.12 GPU 1. November 2024 SageMaker Distribution v0 GPU ist ein Python 3.8-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Visualisierung auf GPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras PyTorch, TensorFlow beliebte Python-Pakete wie numpy, scikit-learn und pandas sowie Jupyter Lab. IDEs Weitere Informationen finden Sie im Amazon SageMaker AI Distribution-Repo. sagemaker-distribution-gpu-v0 Python 3 (Python3) Python 3.8
Base Python 2.0 1. November 2024 Offizielles Python 3.8-Image von DockerHub mit boto3 und AWS CLI enthalten. sagemaker-base-python-38 Python 3 (Python3) Python 3.8
Datenwissenschaft 2.0 1. November 2024 Data Science 2.0 ist ein Python 3.8 Conda-Image basierend auf Ubuntu Version 22.04. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-38 Python 3 (Python3) Python 3.8
PyTorch 1.13 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.13 mit CUDA 11.3 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-1.13-cpu-py39 Python 3 (Python3) Python 3.9
PyTorch 1.13 Python 3.9 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.13 mit CUDA 11.7 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-1.13-gpu-py39 Python 3 (Python3) Python 3.9
PyTorch 1.12 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.12 mit CUDA 11.3 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.12.0. pytorch-1.12-cpu-py38 Python 3 (Python3) Python 3.8
PyTorch 1.12 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.12.0. pytorch-1.12-gpu-py38 Python 3 (Python3) Python 3.8
PyTorch 1.10 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.10 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.10.2 auf SageMaker KI. pytorch-1.10-cpu-py38 Python 3 (Python3) Python 3.8
PyTorch 1.10 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.10 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.10.2 auf SageMaker KI. pytorch-1.10-gpu-py38 Python 3 (Python3) Python 3.8
SparkAnalytics 1.0 1. November 2024 Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic. sagemaker-sparkanalytics-v1

  • SparkMagic Spark (_sparkmagic-sparkkernel) conda-env-sm

  • SparkMagic PySparkconda-env-sm(_sparkmagic-pysparkkernel)

  • Glue Spark (conda-env-sm_glue_is-glue_spark)

  • Glue Python [PySpark und Ray] (conda-env-sm_glue_is-glue_pyspark)

 Python 3.8
TensorFlow 2.13.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.13.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 Python 3 (Python3) Python 3.10
TensorFlow 2.13.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 Python 3 (Python3) Python 3.10
TensorFlow 2.6 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.6 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers for TensorFlow 2.6. tensorflow-2.6-cpu-py38-ubuntu20.04-v1 Python 3 (Python3) Python 3.8
TensorFlow 2.6 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.6 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for TensorFlow 2.6. tensorflow-2.6-gpu-py38-cu112-ubuntu20.04-v1 Python 3 (Python3) Python 3.8
PyTorch 2.0.1 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.1-cpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.0.1 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.1-gpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.0.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.0 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.0-cpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.0.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.0-gpu-py310 Python 3 (Python3) Python 3.10
TensorFlow 2.12.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.12.0 mit CUDA 11.2 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.12.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 Python 3 (Python3) Python 3.10
TensorFlow 2.12.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.12.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1 Python 3 (Python3) Python 3.10
TensorFlow 2.11.0 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.11.0-cpu-py39-ubuntu20.04-sagemaker-v1.1 Python 3 (Python3) Python 3.9
TensorFlow 2.11.0 Python 3.9 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker-v1.1 Python 3 (Python3) Python 3.9
TensorFlow 2.10 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.10.1-cpu-py39-ubuntu20.04-sagemaker-v1.2 Python 3 (Python3) Python 3.9
TensorFlow 2.10 Python 3.9 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 Python 3 (Python3) Python 3.9

Veraltete Images

SageMaker AI hat die Unterstützung für die folgenden Bilder eingestellt. Die Abkündigung erfolgt am Tag, nachdem eines der Pakete im Image das Ende seiner Lebensdauer durch den Publisher erreicht hat.

SageMaker Bilder, die als veraltet gelten

SageMaker Bild Datum der Veraltung Description Ressourcen-ID Kernel Python-Version
Datenwissenschaft 30. Oktober 2023 Data Science ist ein Python 3.7-Conda-Image mit den am häufigsten verwendeten Python-Paketen und -Bibliotheken wie NumPy and SciKit Learn. Datenwissenschaft-1.0 Python 3 Python 3.7
SageMaker JumpStart Datenwissenschaft 1.0 30. Oktober 2023 SageMaker JumpStart Data Science 1.0 ist ein JumpStart Image, das häufig verwendete Pakete und Bibliotheken enthält. sagemaker-jumpstart-data-science-1.0 Python 3 Python 3.7
SageMaker JumpStart MXNet 1,0 30. Oktober 2023 SageMaker JumpStart MXNet 1.0 ist ein JumpStart Bild, das beinhaltet MXNet. sagemaker-jumpstart-mxnet-1.0 Python 3 Python 3.7
SageMaker JumpStart PyTorch 1,0 30. Oktober 2023 SageMaker JumpStart PyTorch 1.0 ist ein JumpStart Bild, das beinhaltet PyTorch. sagemaker-jumpstart-pytorch-1.0 Python 3 Python 3.7
SageMaker JumpStart TensorFlow 1,0 30. Oktober 2023 SageMaker JumpStart TensorFlow 1.0 ist ein JumpStart Bild, das beinhaltet TensorFlow. sagemaker-jumpstart-tensorflow-1.0 Python 3 Python 3.7
SparkMagic 30. Oktober 2023 Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic. Sagemaker-Sparkmagic

  • PySpark

  • Spark

 Python 3.7
TensorFlow 2.3 Python 3.7 CPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 2.3 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers mit TensorFlow 2.3.0. tensorflow-2.3-cpu-py37-ubuntu18.04-v1 Python 3 Python 3.7
TensorFlow 2.3 Python 3.7 GPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 2.3 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers für TensorFlow 2.3.1 mit CUDA 11.0. tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 Python 3 Python 3.7
TensorFlow 1.15 Python 3.7 CPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 1.15 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers v7.0 für TensorFlow. tensorflow-1.15-cpu-py37-ubuntu18.04-v7 Python 3 Python 3.7
TensorFlow 1.15 Python 3.7 GPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 1.15 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers v7.0 für TensorFlow. tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 Python 3 Python 3.7