Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Chemins de registre Docker et exemple de code
Les rubriques suivantes répertorient le chemin de registre Docker et d’autres paramètres pour chacun des algorithmes fournis par Amazon SageMaker AI et les conteneurs DLC (Deep Learning Containers). Pour plus d’informations, consultez Utilisation d’images SageMaker Docker prédéfinies.
Utilisez le chemin comme suit :
-
Pour créer une tâche d’entraînement (create_training_job
), spécifiez le chemin de registre Docker ( TrainingImage) et le mode d’entrée d’entraînement (TrainingInputMode) pour l’image d’entraînement. Vous créez une tâche d’entraînement pour entraîner un modèle à l’aide d’un jeu de données spécifique. -
Pour créer un modèle (create_model
), spécifiez le chemin de l’image d’inférence ( PrimaryContainer Image) dans le registre Docker (Image). SageMaker AI lance les instances de calcul de machine learning qui sont basées sur la configuration du point de terminaison et déploie le modèle, qui comprend les artefacts (le résultat de l’entraînement du modèle). -
Pour créer un moniteur de modèle, sélectionnez la région AWS, puis Moniteur de modèle (algorithme). Pour plus d’informations, consultez Conteneur préconçu Amazon SageMaker AI Model Monitor.
Note
Les images de conteneur préconçues appartiennent à SageMaker AI et incluent dans certains cas le code propriétaire. Des fonctionnalités telles que les tâches d’entraînement et de traitement, la transformation par lots et l’inférence en temps réel utilisent des informations d’identification appartenant au service pour extraire et exécuter des images sur des instances gérées de SageMaker AI. Étant donné que les informations d’identification des clients ne sont pas utilisées, les politiques AWS IAM (y compris les politiques de contrôle des services et les politiques de contrôle des ressources) qui refusent les autorisations Amazon ECR n’empêchent pas l’utilisation d’images préconçues.
Note
Pour le chemin de registre, utilisez la balise de version :1 afin de vous assurer d’utiliser une version stable de l’algorithme/du conteneur DLC. Vous pouvez héberger de façon fiable un modèle entraîné à l’aide d’une image avec la balise :1 sur une image d’inférence possédant la balise :1. Le fait d’utiliser la balise :latest dans le chemin de registre vous permet de bénéficier de la version la plus récente de l’algorithme/du conteneur DLC, mais peut entraîner des problèmes de rétrocompatibilité. Évitez d’utiliser la balise :latest à des fins de production.
Important
Lorsque vous récupérez l’URI d’image SageMaker AI XGBoost, n’utilisez pas :latest ni :1 pour la balise d’URI de l’image. Vous devez spécifier l’une des versions prises en charge pour choisir le conteneur XGBoost géré par SageMaker AI avec la version native du package XGBoost que vous souhaitez utiliser. Pour trouver la version du package migrée dans les conteneurs XGBoost de SageMaker AI, choisissez votre Région AWS, puis passez à la section XGBoost (algorithme).
Pour rechercher le chemin d’accès du registre, choisissez la région AWS, puis l’algorithme ou le conteneur DLC.
