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.

Benutzerdefinierte Docker-Container mit SageMaker

Sie können ein vorhandenes Docker-Image so anpassen, dass es verwendet werden kann. SageMaker Möglicherweise müssen Sie ein vorhandenes externes Docker-Image verwenden, SageMaker wenn Sie über einen Container verfügen, der Funktions- oder Sicherheitsanforderungen erfüllt, die derzeit von einem vorgefertigten Image nicht unterstützt werden. SageMaker Es gibt zwei Toolkits, mit denen Sie Ihren eigenen Container mitbringen und ihn an die Arbeit anpassen können: SageMaker

In den folgenden Themen wird gezeigt, wie Sie Ihr vorhandenes Image mithilfe der Toolkits SageMaker Training und Inference anpassen können:

Einzelne Framework-Bibliotheken

Neben dem SageMaker Training Toolkit und dem SageMaker Inference Toolkit bietet es SageMaker auch spezielle Toolkits für TensorFlow,, und Chainer. MXNet PyTorch Die folgende Tabelle enthält Links zu den GitHub Repositorys, die den Quellcode für jedes Framework und die jeweiligen Serving-Toolkits enthalten. Die verlinkten Anweisungen beziehen sich auf die Verwendung von Python SDK zum Ausführen von Trainingsalgorithmen und Hostmodellen SageMaker. Die Funktionalität für diese einzelnen Bibliotheken ist im SageMaker Training Toolkit und im SageMaker Inference Toolkit enthalten.