Amazon SageMaker Images disponibles pour une utilisation avec les blocs-notes Studio Classic - Amazon SageMaker AI
Format d’ARN des imagesBalises d’URI prises en chargeImages prises en chargeImages dont l’obsolescence est prévueImages obsolètes

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.

Amazon SageMaker Images disponibles pour une utilisation avec les blocs-notes Studio Classic

Important

Depuis le 30 novembre 2023, l'expérience Amazon SageMaker Studio précédente s'appelle désormais Amazon SageMaker Studio Classic. La section suivante est spécifique à l’utilisation de l’application Studio Classic. Pour en savoir plus sur l’utilisation de l’expérience Studio mise à jour, consultez Amazon SageMaker Studio.

Studio Classic est toujours maintenu pour les charges de travail existantes mais n'est plus disponible pour l'intégration. Vous pouvez uniquement arrêter ou supprimer des applications Studio Classic existantes et vous ne pouvez pas en créer de nouvelles. Nous vous recommandons de migrer votre charge de travail vers la nouvelle expérience Studio.

Cette page répertorie les SageMaker images et les noyaux associés disponibles dans Amazon SageMaker Studio Classic. Cette page fournit également des informations sur le format nécessaire pour créer l'ARN de chaque image. SageMaker les images contiennent le dernier SDK Amazon SageMaker Python et la dernière version du noyau. Pour plus d’informations, consultez Images Deep Learning Containers.

Format d’ARN des images

Le tableau suivant répertorie le format d’ARN et d’URI des images pour chaque région. Pour créer l'ARN complet d'une image, remplacez l'resource-identifierespace réservé par l'identifiant de ressource correspondant à l'image. L'identifiant de ressource se trouve dans le tableau SageMaker des images et des noyaux. Pour créer l'URI complet d'une image, remplacez l'tagespace réservé par la balise cpu ou gpu correspondante. Pour obtenir la liste des balises que vous pouvez utiliser, consultez Balises d’URI prises en charge.

Note

SageMaker Les images de distribution utilisent un ensemble d'images distinct ARNs, répertorié dans le tableau suivant.

Région Format d'ARN des images SageMaker Format ARN de l'image de distribution SageMaker Format d'URI de l'image de distribution
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

Balises d’URI prises en charge

La liste suivante indique les balises que vous pouvez inclure dans l’URI de votre image.

  • 1-cpu

  • 1-gpu

  • 0-cpu

  • 0-gpu

Les exemples suivants illustrent URIs différents formats de balises :

  • 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

Images prises en charge

Le tableau suivant fournit des informations sur les SageMaker images et les noyaux associés disponibles dans Amazon SageMaker Studio Classic. Il fournit également des informations sur l’identifiant de ressource et la version de Python inclus dans l’image.

SageMaker images et noyaux

SageMaker Image Description Identificateur de ressource Noyaux (et identifiant) Version de Python
Base Python 4.3 Image officielle de Python 3.11 réalisée DockerHub avec boto3 et incluse. AWS CLI sagemaker-base-python-v4 Python 3 (python3) Python 3.11
Base Python 4.2 Image officielle de Python 3.11 réalisée DockerHub avec boto3 et incluse. AWS CLI sagemaker-base-python-v4 Python 3 (python3) Python 3.11
Base Python 4.1 Image officielle de Python 3.11 réalisée DockerHub avec boto3 et incluse. AWS CLI sagemaker-base-python-v4 Python 3 (python3) Python 3.11
Base Python 4.0 Image officielle de Python 3.11 réalisée DockerHub avec boto3 et incluse. AWS CLI sagemaker-base-python-v4 Python 3 (python3) Python 3.11
Base Python 3.0 Image officielle de Python 3.10 réalisée DockerHub avec boto3 et incluse. AWS CLI sagemaker-base-python-310-v1 Python 3 (python3) Python 3.10
Data Science 5.3 Data Science 5.3 est une image conda Python 3.11 basée sur la version jammy-20240212 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-v5 Python 3 (python3) Python 3.11
Data Science 5.2 Data Science 5.2 est une image conda Python 3.11 basée sur la version jammy-20240212 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-v5 Python 3 (python3) Python 3.11
Data Science 5.1 Data Science 5.1 est une image conda Python 3.11 basée sur la version jammy-20240212 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-v5 Python 3 (python3) Python 3.11
Data Science 5.0 Data Science 5.0 est une image conda Python 3.11 basée sur la version jammy-20240212 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-v5 Python 3 (python3) Python 3.11
Data Science 4.0 Data Science 4.0 est une image conda Python 3.11 basée sur la version 22.04 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-311-v1 Python 3 (python3) Python 3.11
Data Science 3.0 Data Science 3.0 est une image conda Python 3.10 basée sur la version 22.04 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-310-v1 Python 3 (python3) Python 3.10
Geospatial 1.0 Amazon SageMaker geospatial est une image Python composée de bibliothèques géospatiales couramment utilisées telles que GDAL, Fiona GeoPandas, Shapley et Rasterio. Il vous permet de visualiser les données géospatiales au sein de l' SageMaker IA. Pour plus d'informations, consultez le SDK Amazon SageMaker Geospatial Notebook sagemaker-geospatial-1.0 Python 3 (python3) Python 3.10
SparkAnalytics 4.3 L'image SparkAnalytics 4.3 fournit des options de Spark et de PySpark noyau sur Amazon SageMaker Studio Classic, notamment SparkMagic Spark SparkMagic PySpark, Glue Spark et Glue PySpark, permettant un traitement distribué flexible des données. sagemaker-spark-analytics-v4

  • SparkMagic Spark (étincelle)

  • SparkMagic PySpark (noyau pyspark)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4.2 L'image SparkAnalytics 4.2 fournit des options de Spark et de PySpark noyau sur Amazon SageMaker Studio Classic, notamment SparkMagic Spark SparkMagic PySpark, Glue Spark et Glue PySpark, permettant un traitement distribué flexible des données. sagemaker-spark-analytics-v4

  • SparkMagic Spark (étincelle)

  • SparkMagic PySpark (noyau pyspark)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4,1 L'image SparkAnalytics 4.1 fournit des options de Spark et de PySpark noyau sur Amazon SageMaker Studio Classic, notamment SparkMagic Spark SparkMagic PySpark, Glue Spark et Glue PySpark, permettant un traitement distribué flexible des données. sagemaker-spark-analytics-v4

  • SparkMagic Spark (étincelle)

  • SparkMagic PySpark (noyau pyspark)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4,0 L'image SparkAnalytics 4.0 fournit des options de Spark et de PySpark noyau sur Amazon SageMaker Studio Classic, notamment SparkMagic Spark SparkMagic PySpark, Glue Spark et Glue PySpark, permettant un traitement distribué flexible des données. sagemaker-spark-analytics-v4

  • SparkMagic Spark (étincelle)

  • SparkMagic PySpark (noyau pyspark)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 3,0 L'image SparkAnalytics 3.0 fournit des options de Spark et de PySpark noyau sur Amazon SageMaker Studio Classic, notamment SparkMagic Spark SparkMagic PySpark, Glue Spark et Glue PySpark, permettant un traitement distribué flexible des données. sagemaker-sparkanalytics-311-v1

  • SparkMagic Spark (étincelle)

  • SparkMagic PySpark (noyau pyspark)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 2,0 Édition individuelle Anaconda avec noyaux PySpark et Spark. Pour plus d’informations, consultez sparkmagic. sagemaker-sparkanalytics-310-v1

  • SparkMagic Spark (conda-env-sm_sparkmagic-sparkkernel)

  • SparkMagic PySpark(conda-env-sm_sparkmagic-pysparkkernel)

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

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

 Python 3.10
PyTorch 2.4.0 Python 3.11 optimisé pour le processeur Les AWS Deep Learning Containers pour PyTorch 2.4.0 avec CUDA 12.4 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.4.0-cpu-py311 Python 3 (python3) Python 3.11
PyTorch 2.4.0 Python 3.11 optimisé pour le GPU Les AWS Deep Learning Containers pour PyTorch 2.4.0 avec CUDA 12.4 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.4.0-gpu-py311 Python 3 (python3) Python 3.11
PyTorch 2.3.0 Python 3.11 optimisé pour le processeur Les AWS Deep Learning Containers pour PyTorch 2.3.0 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.3.0-cpu-py311 Python 3 (python3) Python 3.11
PyTorch 2.3.0 Python 3.11 optimisé pour le GPU Les AWS Deep Learning Containers pour PyTorch 2.3.0 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.3.0-gpu-py311 Python 3 (python3) Python 3.11
PyTorch 2.2.0 Python 3.10 optimisé pour le processeur Les AWS Deep Learning Containers for PyTorch 2.2 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.2.0-cpu-py310 Python 3 (python3) Python 3.10
PyTorch 2.2.0 Python 3.10 optimisé pour le GPU Les AWS Deep Learning Containers for PyTorch 2.2 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.2.0-gpu-py310 Python 3 (python3) Python 3.10
PyTorch 2.1.0 Python 3.10 optimisé pour le processeur Les AWS Deep Learning Containers for PyTorch 2.1 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.1.0-cpu-py310 Python 3 (python3) Python 3.10
PyTorch 2.1.0 Python 3.10 optimisé pour le GPU Les AWS Deep Learning Containers for PyTorch 2.1 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.1.0-gpu-py310 Python 3 (python3) Python 3.10
PyTorch 1.13 HuggingFace Python 3.10 Optimisé pour les neurones PyTorch Image 1.13 avec HuggingFace et packages Neuron installés pour l'entraînement sur des instances Trainium optimisées en termes de performances et d'évolutivité. AWS pytorch-1,13- 310 hf-neuron-py Python 3 (python3) Python 3.10
PyTorch 1.13 Python 3.10 Optimisé pour les neurones PyTorch Image 1.13 avec des packages Neuron installés pour l'entraînement sur des instances Trainium optimisées en termes de performances et d'évolutivité. AWS pytorch-1.13-neuron-py310 Python 3 (python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 optimisé pour le processeur Les AWS Deep Learning Containers pour TensorFlow 2.14 avec CUDA 11.8 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 optimisé pour le GPU Les AWS Deep Learning Containers pour TensorFlow 2.14 avec CUDA 11.8 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. tensorflow-2.14.1-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 Python 3 (python3) Python 3.10

Images dont l’obsolescence est prévue

SageMaker L'IA met fin à la prise en charge des images le lendemain de la fin de vie de l'un des packages contenus dans l'image par son éditeur. Les SageMaker images suivantes sont destinées à être dépréciées.

Les images basées sur Python 3.8 ont été end-of-lifepubliées le 31 octobre 2024. À compter du 1er novembre 2024, SageMaker AI cessera de prendre en charge ces images et celles-ci ne pourront plus être sélectionnées dans l'interface utilisateur de Studio Classic. Pour éviter les problèmes de non conformité, si vous utilisez l’une de ces images, nous vous recommandons de passer à une image avec une version ultérieure.

SageMaker images dont la dépréciation est prévue

SageMaker Image Date d’obsolescence Description Identificateur de ressource Noyaux Version de Python
SageMaker Processeur Distribution v0.12 1er novembre 2024 SageMaker Distribution v0 CPU est une image Python 3.8 qui inclut des frameworks populaires pour le machine learning, la science des données et la visualisation sur CPU. Cela inclut des frameworks d'apprentissage profond tels PyTorch que Keras ; TensorFlow des packages Python populaires tels que numpy, scikit-learn et pandas ; et comme Jupyter Lab. IDEs Pour plus d'informations, consultez le dépôt Amazon SageMaker AI Distribution. sagemaker-distribution-cpu-v0 Python 3 (python3) Python 3.8
SageMaker Processeur graphique Distribution v0.12 1er novembre 2024 SageMaker Distribution v0 GPU est une image Python 3.8 qui inclut des frameworks populaires pour le machine learning, la science des données et la visualisation sur GPU. Cela inclut des frameworks d'apprentissage profond tels PyTorch que Keras ; TensorFlow des packages Python populaires tels que numpy, scikit-learn et pandas ; et comme Jupyter Lab. IDEs Pour plus d'informations, consultez le dépôt Amazon SageMaker AI Distribution. sagemaker-distribution-gpu-v0 Python 3 (python3) Python 3.8
Base Python 2.0 1er novembre 2024 Image officielle de Python 3.8 réalisée DockerHub avec boto3 et AWS CLI incluse. sagemaker-base-python-38 Python 3 (python3) Python 3.8
Data Science 2.0 1er novembre 2024 Data Science 2.0 est une image conda Python 3.8 basée sur la version 22.04 d’Ubuntu. Il inclut les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. sagemaker-data-science-38 Python 3 (python3) Python 3.8
PyTorch 1.13 Python 3.9 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour la PyTorch version 1.13 avec CUDA 11.3 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-1.13-cpu-py39 Python 3 (python3) Python 3.9
PyTorch 1.13 Python 3.9 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers for PyTorch 1.13 with CUDA 11.7 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-1.13-gpu-py39 Python 3 (python3) Python 3.9
PyTorch 1.12 Python 3.8 Optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour la PyTorch version 1.12 avec CUDA 11.3 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers pour la version PyTorch 1.12.0. pytorch-1.12-cpu-py38 Python 3 (python3) Python 3.8
PyTorch 1.12 Python 3.8 Optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers for PyTorch 1.12 with CUDA 11.3 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers pour la version PyTorch 1.12.0. pytorch-1.12-gpu-py38 Python 3 (python3) Python 3.8
PyTorch 1.10 Python 3.8 Optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour la PyTorch version 1.10 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers pour la PyTorch version 1.10.2 sur l' SageMaker IA. pytorch-1.10-cpu-py38 Python 3 (python3) Python 3.8
PyTorch 1.10 Python 3.8 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour la PyTorch version 1.10 avec CUDA 11.3 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers pour la PyTorch version 1.10.2 sur l' SageMaker IA. pytorch-1.10-gpu-py38 Python 3 (python3) Python 3.8
SparkAnalytics 1,0 1er novembre 2024 Édition individuelle Anaconda avec noyaux PySpark et Spark. Pour plus d’informations, consultez sparkmagic. sagemaker-sparkanalytics-v1

  • SparkMagic Spark (conda-env-sm_sparkmagic-sparkkernel)

  • SparkMagic PySpark(conda-env-sm_sparkmagic-pysparkkernel)

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

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

 Python 3.8
TensorFlow 2.13.0 Python 3.10 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour TensorFlow 2.13 avec CUDA 11.8 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour pour 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 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour TensorFlow 2.13 avec CUDA 11.8 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 Optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers for TensorFlow 2.6 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivitéAWS. Pour plus d'informations, consultez AWSDeep 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 Optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers for TensorFlow 2.6 avec CUDA 11.2 incluent des conteneurs pour la formation sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep 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 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour PyTorch 2.0.1 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.0.1-cpu-py310 Python 3 (python3) Python 3.10
PyTorch 2.0.1 Python 3.10 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour PyTorch 2.0.1 avec CUDA 12.1 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.0.1-gpu-py310 Python 3 (python3) Python 3.10
PyTorch 2.0.0 Python 3.10 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers for PyTorch 2.0.0 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.0.0-cpu-py310 Python 3 (python3) Python 3.10
PyTorch 2.0.0 Python 3.10 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour PyTorch 2.0.0 avec CUDA 11.8 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. pytorch-2.0.0-gpu-py310 Python 3 (python3) Python 3.10
TensorFlow 2.12.0 Python 3.10 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour TensorFlow 2.12.0 avec CUDA 11.2 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour la TensorFlow version 2.12.0 avec CUDA 11.8 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour la TensorFlow version 2.11.0 avec CUDA 11.2 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour la TensorFlow version 2.11.0 avec CUDA 11.2 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 optimisé pour le processeur 1er novembre 2024 Les AWS Deep Learning Containers pour TensorFlow 2.10 avec CUDA 11.2 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de 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 optimisé pour le GPU 1er novembre 2024 Les AWS Deep Learning Containers pour TensorFlow 2.10 avec CUDA 11.2 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d’informations, consultez Notes de mise à jour de Deep Learning Containers. tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 Python 3 (python3) Python 3.9

Images obsolètes

SageMaker AI a mis fin à la prise en charge des images suivantes. L’obsolescence survient le lendemain de la fin de vie de l’un des packages de l’image décrétée par son diffuseur de publication.

SageMaker images dont la dépréciation est prévue

SageMaker Image Date d’obsolescence Description Identificateur de ressource Noyaux Version de Python
Data Science 30 octobre 2023 Data Science est une image conda Python 3.7 contenant les packages et bibliothèques Python les plus couramment utilisés, tels que NumPy et SciKit Learn. datascience-1.0 Python 3 Python 3.7
SageMaker JumpStart Science des données 1.0 30 octobre 2023 SageMaker JumpStart Data Science 1.0 est une JumpStart image qui inclut des packages et des bibliothèques couramment utilisés. sagemaker-jumpstart-data-science-1,0 Python 3 Python 3.7
SageMaker JumpStart MXNet 1,0 30 octobre 2023 SageMaker JumpStart MXNet 1.0 est une JumpStart image qui inclut MXNet. sagemaker-jumpstart-mxnet-1,0 Python 3 Python 3.7
SageMaker JumpStart PyTorch 1,0 30 octobre 2023 SageMaker JumpStart PyTorch 1.0 est une JumpStart image qui inclut PyTorch. sagemaker-jumpstart-pytorch-1,0 Python 3 Python 3.7
SageMaker JumpStart TensorFlow 1,0 30 octobre 2023 SageMaker JumpStart TensorFlow 1.0 est une JumpStart image qui inclut TensorFlow. sagemaker-jumpstart-tensorflow-1,0 Python 3 Python 3.7
SparkMagic 30 octobre 2023 Édition individuelle Anaconda avec noyaux PySpark et Spark. Pour plus d’informations, consultez sparkmagic. sagemaker-sparkmagic

  • PySpark

  • Spark

 Python 3.7
TensorFlow 2.3 Optimisé pour le processeur Python 3.7 30 octobre 2023 Les AWS Deep Learning Containers for TensorFlow 2.3 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivitéAWS. Pour plus d'informations, consultez AWSDeep Learning Containers with TensorFlow 2.3.0. tensorflow-2.3-cpu-py37-ubuntu18.04-v1 Python 3 Python 3.7
TensorFlow 2.3 Optimisé pour le GPU Python 3.7 30 octobre 2023 Les AWS Deep Learning Containers for TensorFlow 2.3 avec CUDA 11.0 incluent des conteneurs pour la formation sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers pour TensorFlow 2.3.1 avec CUDA 11.0. tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 Python 3 Python 3.7
TensorFlow 1.15 Python 3.7 optimisé pour le processeur 30 octobre 2023 Les AWS Deep Learning Containers pour la TensorFlow version 1.15 incluent des conteneurs pour l'entraînement sur le processeur, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers v7.0 pour TensorFlow. tensorflow-1.15-cpu-py37-ubuntu18.04-v7 Python 3 Python 3.7
TensorFlow 1.15 Python 3.7 optimisé pour le GPU 30 octobre 2023 Les AWS Deep Learning Containers pour la TensorFlow version 1.15 avec CUDA 11.0 incluent des conteneurs pour l'entraînement sur GPU, optimisés en termes de performances et d'évolutivité. AWS Pour plus d'informations, consultez AWSDeep Learning Containers v7.0 pour TensorFlow. tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 Python 3 Python 3.7