Vorgefertigte Docker-Images von SageMaker AI für Deep Learning

Amazon SageMaker AI stellt vordefinierte Docker-Images bereit, die Deep-Learning-Frameworks und andere erforderliche Abhängigkeiten für Trainings und Inferenzen enthalten. Eine vollständige Liste der von SageMaker AI verwalteten vorgefertigten Docker-Images finden Sie unter Docker-Registry-Pfade und Beispielcode.

Verwenden des SageMaker AI Python SDK

Mit dem SageMaker-Python-SDK können Sie Modelle unter Verwendung dieser gängigen Deep-Learning-Framworks trainieren und bereitstellen. Weitere Informationen zur Installation und Verwendung des SDK finden Sie unter Amazon SageMaker Python SDK. In der folgenden Tabelle sind die verfügbaren Frameworks und Anweisungen zu ihrer Verwendung mit dem SageMaker Python SDK aufgeführt:

Erweiterung vorgefertigter Docker-Images von SageMaker AI

Sie können diese vorgefertigten Container nach Bedarf anpassen oder erweitern. Durch diese Anpassung können Sie allen zusätzlichen funktionellen Anforderungen für Ihren Algorithmus oder Ihr Modell gerecht werden, die das vordefinierte Docker-Image von SageMaker AI nicht unterstützt. Ein Beispiel hierzu finden Sie unter Feinabstimmung und Bereitstellung eines BERTopic-Modells auf SageMaker AI mit Ihren eigenen Skripten und Datensätzen, indem Sie bestehende PyTorch-Container erweitern.

Sie können vorgefertigte Container verwenden, um Ihre benutzerdefinierten Modelle oder Modelle bereitzustellen, die in einem anderen Framework als SageMaker AI trainiert wurden. Eine Übersicht über den Prozess finden Sie unter Bring Your Own Pretrained MXNet or TensorFlow Models into Amazon SageMaker. In diesem Tutorial erfahren Sie, wie Sie die trainierten Modellartefakte in SageMaker AI integrieren und an einem Endpunkt hosten.