Amazon SageMaker AI-Images sind für die Verwendung mit Studio Classic verfügbar - Amazon SageMaker KI
Image-Format des Image-ARNUnterstützte URI-TagsUnterstützte ImagesImages, die zur Vernachlässigung vorgesehen sindVeraltete Bilder

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.

Amazon SageMaker AI-Images sind für die Verwendung mit Studio Classic verfügbar

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Verwendung der Studio Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Oberfläche finden Sie unterAmazon SageMaker Studio.

Diese Seite listet die SageMaker AI-Images und die zugehörigen Kernel auf, die in Amazon SageMaker Studio Classic verfügbar sind. Diese Seite enthält auch Informationen über das Format, das zur Erstellung des ARN für jedes Bild benötigt wird. SageMaker AI-Images enthalten das neueste Amazon SageMaker Python SDK und die neueste Version des Kernels. Weitere Informationen finden Sie unter Deep Learning Containers Images.

Image-Format des Image-ARN

In der folgenden Tabelle sind das ARN- und URI-Format des Bilds für jede Region aufgeführt. Um den vollständigen ARN für ein Bild zu erstellen, ersetzen Sie den resource-identifier Platzhalter durch die entsprechende Ressourcen-ID für das Bild. Die Ressourcen-ID befindet sich in der Tabelle mit den SageMaker AI-Images und -Kerneln. Um den vollständigen URI für ein Bild zu erstellen, ersetzen Sie den tag Platzhalter durch das entsprechende CPU- oder GPU-Tag. Eine Liste der Tags, die Sie verwenden können, finden Sie unterUnterstützte URI-Tags.

Anmerkung

SageMaker Für Distributions-Images wird ein eigener Satz von Bildern verwendet ARNs, die in der folgenden Tabelle aufgeführt sind.

Region Image ARN Format SageMaker ARN-Format für das Verteilungsbild SageMaker URI-Format für das Vertriebsbild
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

Unterstützte URI-Tags

Die folgende Liste zeigt die Tags, die Sie in Ihre Bild-URI aufnehmen können.

  • 1-CPU

  • 1 GPU

  • 0-CPU

  • 0-GPU

Die folgenden Beispiele zeigen URIs anhand verschiedener Tag-Formate:

  • 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

Unterstützte Images

Die folgende Tabelle enthält Informationen über die SageMaker AI-Images und die zugehörigen Kernel, die in Amazon SageMaker Studio Classic verfügbar sind. Es enthält auch Informationen zur Ressourcen-ID und zur Python-Version, die im Bild enthalten sind.

SageMaker AI-Bilder und -Kernel

SageMaker KI-Bild Beschreibung Ressourcen-ID Kernel (und Identifier) Python-Version
SageMaker Verteilung v1-CPU SageMaker Distribution v1 CPUist ein Python 3.10-Image, das beliebte Frameworks für maschinelles Lernen, Datenwissenschaft und Datenanalyse auf der CPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras PyTorch, TensorFlow beliebte Python-Pakete wie numpy, scikit-learn und pandas sowie Jupyter Lab. IDEs Weitere Informationen finden Sie im Amazon SageMaker Distribution-Repo. sagemaker-distribution-cpu-v1 Python3 (Python3) Python 3.10
SageMaker Verteilung v1-GPU SageMaker Distribution v1 GPUist ein Python 3.10-Image, das beliebte Frameworks für maschinelles Lernen, Datenwissenschaft und Datenanalyse auf GPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras PyTorch, TensorFlow beliebte Python-Pakete wie numpy, scikit-learn und pandas sowie Jupyter Lab. IDEs Weitere Informationen finden Sie im Amazon SageMaker Distribution-Repo. sagemaker-distribution-gpu-v1 Python3 (Python3) Python 3.10
Base Python 3.0 Offizielles Python 3.10-Image von DockerHub mit Boto3 und enthalten. AWS CLI sagemaker-base-python-310-v1 Python3 (Python3) Python 3.10
Datenwissenschaft 4.0 Data Science 4.0ist ein Python 3.11-Conda-Image, das auf Ubuntu Version 22.04. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-311-v1 Python3 (Python3) Python 3.11
Data Science 3.0 Data Science 3.0ist ein Python 3.10-Conda-Image, das auf Ubuntu Version 22.04. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-310-v1 Python3 (Python3) Python 3.10
Geospatial 1.0 Amazon SageMaker Geospatial ist ein Python-Image, das aus häufig verwendeten Geodatenbibliotheken wie GDAL, Fiona GeoPandas, Shapley und Rasterio besteht. Es ermöglicht Ihnen, Geodaten innerhalb von KI zu visualisieren. SageMaker Weitere Informationen finden Sie unter Amazon SageMaker Geospatial Notebook SDK Sagemaker-Geospatial-1.0 Python3 (Python3) Python 3.10
SparkAnalytics 3.0 Das SparkAnalytics 3.0-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark, Glue SparkMagic PySpark, Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. Sagemaker-SparkAnalytics-311-v1

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Glue PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 2.0 Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic. sagemaker-sparkanalytics-310-v1

  • SparkMagic Spark (_sparkmagic-sparkkernel) conda-env-sm

  • SparkMagic PySpark conda-env-sm(_sparkmagic-pysparkkernel)

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

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

 Python 3.10
PyTorch 2.4.0 Python 3.11 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.4.0-cpu-py311 Python3 (Python3) Python 3.11
PyTorch 2.4.0 Python 3.11 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.4.0-gpu-py311 Python3 (Python3) Python 3.11
PyTorch 2.3.0 Python 3.11 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.3.0-cpu-py311 Python3 (Python3) Python 3.11
PyTorch 2.3.0 Python 3.11 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.3.0-gpu-py311 Python3 (Python3) Python 3.11
PyTorch 2.2.0 Python 3.10 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.2 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.2.0-cpu-py310 Python3 (Python3) Python 3.10
PyTorch 2.2.0 Python 3.10 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.2 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.2.0-gpu-py310 Python3 (Python3) Python 3.10
PyTorch 2.1.0 Python 3.10 CPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.1 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.1.0-cpu-py310 Python3 (Python3) Python 3.10
PyTorch 2.1.0 Python 3.10 GPU-optimiert Die AWS Deep Learning Containers für PyTorch 2.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.1.0-gpu-py310 Python3 (Python3) Python 3.10
PyTorch 1.13 HuggingFace Python 3.10 Neuron Optimiert PyTorch 1.13 Image mit installierten Neuron-Paketen für das Training auf Trainium-Instanzen, die für Leistung HuggingFace und Skalierung optimiert sind. AWS hf-neuron-pypytorch-1.13-310 Python3 (Python3) Python 3.10
PyTorch 1.13 Python 3.10 Neuron Optimiert PyTorch 1.13-Image mit installierten Neuron-Paketen für das Training auf Trainium-Instanzen, die für Leistung und Skalierung optimiert sind. AWS pytorch-1.13-neuron-py310 Python3 (Python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 CPU-optimiert Die AWS Deep Learning Containers für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.14.1-cpu-py310-ubuntu20.04-sagemaker-v1.0 Python3 (Python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 GPU-optimiert Die AWS Deep Learning Containers für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.14.1-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 Python3 (Python3) Python 3.10

Images, die zur Vernachlässigung vorgesehen sind

SageMaker KI beendet die Unterstützung für Images am Tag, nachdem eines der Pakete im Image vom Herausgeber das Ende seiner Lebensdauer erreicht hat. Die folgenden SageMaker AI-Images werden voraussichtlich nicht mehr unterstützt.

Bilder, die auf Python 3.8 basieren, end-of-lifewurden am 31. Oktober 2024 erreicht. Ab dem 1. November 2024 wird SageMaker KI die Unterstützung für diese Bilder einstellen und sie werden nicht mehr in der Studio Classic-Benutzeroberfläche auswählbar sein. Wenn Sie eines dieser Images verwenden, empfehlen wir Ihnen, zu einem Image mit einer neueren Version zu wechseln, um Verstöße gegen die Vorschriften zu vermeiden.

SageMaker AI-Bilder werden voraussichtlich nicht mehr unterstützt

SageMaker KI-Bild Datum der Veraltung Beschreibung Ressourcen-ID Kernels Python-Version
SageMaker Verteilung v0.12 CPU 1. November 2024 SageMaker Distribution v0 CPU ist ein Python 3.8-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Visualisierung auf der CPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras PyTorch, TensorFlow beliebte Python-Pakete wie numpy, scikit-learn und pandas sowie Jupyter Lab. IDEs Weitere Informationen finden Sie im Amazon SageMaker AI Distribution-Repo. sagemaker-distribution-cpu-v0 Python3 (Python3) Python 3.8
SageMaker Verteilung v0.12 GPU 1. November 2024 SageMaker Distribution v0 GPU ist ein Python 3.8-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Visualisierung auf GPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras PyTorch, TensorFlow beliebte Python-Pakete wie numpy, scikit-learn und pandas sowie Jupyter Lab. IDEs Weitere Informationen finden Sie im Amazon SageMaker AI Distribution-Repo. sagemaker-distribution-gpu-v0 Python3 (Python3) Python 3.8
Base Python 2.0 1. November 2024 Offizielles Python 3.8-Image von DockerHub mit boto3 und AWS CLI enthalten. sagemaker-base-python-38 Python3 (Python3) Python 3.8
Datenwissenschaft 2.0 1. November 2024 Data Science 2.0ist ein Python 3.8-Conda-Image, das auf Ubuntu Version 22.04. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy and SciKit Learn. sagemaker-data-science-38 Python3 (Python3) Python 3.8
PyTorch 1.13 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.13 mit CUDA 11.3 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-1.13-cpu-py39 Python3 (Python3) Python 3.9
PyTorch 1.13 Python 3.9 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.13 mit CUDA 11.7 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-1.13-gpu-py39 Python3 (Python3) Python 3.9
PyTorch 1.12 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.12 mit CUDA 11.3 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.12.0. pytorch-1.12-cpu-py38 Python3 (Python3) Python 3.8
PyTorch 1.12 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.12.0. pytorch-1.12-gpu-py38 Python3 (Python3) Python 3.8
PyTorch 1.10 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.10 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.10.2 auf SageMaker KI. pytorch-1.10-cpu-py38 Python3 (Python3) Python 3.8
PyTorch 1.10 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 1.10 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for PyTorch 1.10.2 auf SageMaker KI. pytorch-1.10-gpu-py38 Python3 (Python3) Python 3.8
SparkAnalytics 1,0 1. November 2024 Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic. sagemaker-sparkanalytics-v1

  • SparkMagic Spark (_sparkmagic-sparkkernel) conda-env-sm

  • SparkMagic PySpark conda-env-sm(_sparkmagic-pysparkkernel)

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

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

 Python 3.8
TensorFlow 2.13.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. . tensorflow-2.13.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 Python3 (Python3) Python 3.10
TensorFlow 2.13.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 Python3 (Python3) Python 3.10
TensorFlow 2.6 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.6 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers for TensorFlow 2.6. tensorflow-2.6-cpu-py38-ubuntu20.04-v1 Python3 (Python3) Python 3.8
TensorFlow 2.6 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.6 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers for TensorFlow 2.6. tensorflow-2.6-gpu-py38-cu112-ubuntu20.04-v1 Python3 (Python3) Python 3.8
PyTorch 2.0.1 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.1-cpu-py310 Python3 (Python3) Python 3.10
PyTorch 2.0.1 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.1-gpu-py310 Python3 (Python3) Python 3.10
PyTorch 2.0.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.0 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.0-cpu-py310 Python3 (Python3) Python 3.10
PyTorch 2.0.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für PyTorch 2.0.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.0-gpu-py310 Python3 (Python3) Python 3.10
TensorFlow 2.12.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.12.0 mit CUDA 11.2 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.12.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 Python3 (Python3) Python 3.10
TensorFlow 2.12.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.12.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1 Python3 (Python3) Python 3.10
TensorFlow 2.11.0 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.11.0-cpu-py39-ubuntu20.04-sagemaker-v1.1 Python3 (Python3) Python 3.9
TensorFlow 2.11.0 Python 3.9 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker-v1.1 Python3 (Python3) Python 3.9
TensorFlow 2.10 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.10.1-cpu-py39-ubuntu20.04-sagemaker-v1.2 Python3 (Python3) Python 3.9
TensorFlow 2.10 Python 3.9 GPU-optimiert 1. November 2024 Die AWS Deep Learning Containers für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 Python3 (Python3) Python 3.9

Veraltete Bilder

SageMaker AI hat die Unterstützung für die folgenden Bilder eingestellt. Der Fehler tritt am Tag ein, nachdem eines der Pakete im Image vom Herausgeber das Ende seiner Nutzungsdauer erreicht hat.

SageMaker AI-Images, die als veraltet gelten sollen

SageMaker KI-Bild Datum der Veraltung Beschreibung Ressourcen-ID Kernels Python-Version
Datenwissenschaft 30. Oktober 2023 Data Scienceist ein Python 3.7-Conda-Image mit den am häufigsten verwendeten Python-Paketen und -Bibliotheken wie NumPy and SciKit Learn. Datenwissenschaft-1.0 Python 3 Python 3.7
SageMaker JumpStart Datenwissenschaft 1.0 30. Oktober 2023 SageMaker JumpStart Data Science 1.0ist ein JumpStart Image, das häufig verwendete Pakete und Bibliotheken enthält. sagemaker-jumpstart-data-science-1.0 Python 3 Python 3.7
SageMaker JumpStart MXNet 1,0 30. Oktober 2023 SageMaker JumpStart MXNet 1.0ist ein JumpStart Bild, das beinhaltet MXNet. sagemaker-jumpstart-mxnet-1,0 Python 3 Python 3.7
SageMaker JumpStart PyTorch 1,0 30. Oktober 2023 SageMaker JumpStart PyTorch 1.0ist ein JumpStart Bild, das beinhaltet PyTorch. sagemaker-jumpstart-pytorch-1,0 Python 3 Python 3.7
SageMaker JumpStart TensorFlow 1,0 30. Oktober 2023 SageMaker JumpStart TensorFlow 1.0ist ein JumpStart Bild, das beinhaltet TensorFlow. sagemaker-jumpstart-tensorflow-1,0 Python 3 Python 3.7
SparkMagic 30. Oktober 2023 Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter sparkmagic. Sagemaker-Sparkmagic

  • PySpark

  • Spark

 Python 3.7
TensorFlow 2.3 Python 3.7 CPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 2.3 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind AWS. Weitere Informationen finden Sie unter AWS Deep Learning Containers mit TensorFlow 2.3.0. tensorflow-2.3-cpu-py37-ubuntu18.04-v1 Python 3 Python 3.7
TensorFlow 2.3 Python 3.7 GPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 2.3 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers für TensorFlow 2.3.1 mit CUDA 11.0. tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 Python 3 Python 3.7
TensorFlow 1.15 Python 3.7 CPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 1.15 enthalten Container für CPU-Trainings, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers v7.0 für TensorFlow. tensorflow-1.15-cpu-py37-ubuntu18.04-v7 Python 3 Python 3.7
TensorFlow 1.15 Python 3.7 GPU-optimiert 30. Oktober 2023 Die AWS Deep Learning Containers für TensorFlow 1.15 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning Containers v7.0 für TensorFlow. tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 Python 3 Python 3.7