Conteneurs Docker personnalisés avec SageMaker AI

Vous pouvez adapter une image Docker existante pour qu’elle fonctionne avec SageMaker AI. Vous devrez peut-être utiliser une image Docker externe existante avec SageMaker AI si votre conteneur répond à des exigences fonctionnelles ou de sécurité qui ne sont pas prises en charge actuellement par une image SageMaker AI préconçue. Deux boîtes à outils vous permettent d’importer votre propre conteneur et de l’adapter pour qu’il fonctionne avec SageMaker AI :

Les rubriques suivantes expliquent comment adapter votre image existante à l’aide des boîtes à outils d’entraînement et d’inférence SageMaker :

Bibliothèques de cadres individuelles

En plus de ses boîtes à outils d’entraînement et d’inférence, SageMaker AI fournit également des boîtes à outils spécialisées pour TensorFlow, MxNet, PyTorch et Chainer. Le tableau suivant fournit des liens vers les référentiels GitHub qui contiennent le code source pour chaque cadre, ainsi que leurs boîtes à outils respectives. Les instructions liées concernent l’utilisation du kit SDK Python pour exécuter des algorithmes d’entraînement et des modèles d’hôte sur SageMaker AI. Les fonctionnalités de ces bibliothèques individuelles sont incluses dans les boîtes à outils d’entraînement et d’inférence SageMaker AI.