View a markdown version of this page

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

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 Images zur Verwendung mit Studio Classic-Notebooks verfügbar

Anmerkung

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis nun Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter Amazon Studio SageMaker.

Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist jedoch nicht mehr für das Onboarding verfügbar. Sie können nur bestehende Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, Ihre Arbeitslast auf das neue Studio-Erlebnis zu migrieren.

Auf dieser Seite sind die SageMaker Images und zugehörigen Kernel aufgeführt, die in Amazon SageMaker Studio Classic verfügbar sind. Diese Seite enthält auch Informationen über das Format, das zur Erstellung des ARN für jedes Bild erforderlich ist. SageMaker Bilder 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 ist das Image-ARN- und -URI-Format 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 SageMaker Image- und Kernel-Tabelle. 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 unter Unterstützte URI-Tags.

Anmerkung

SageMaker Verteilungs-Images verwenden einen bestimmten Satz von Image-ARNs, die in der folgenden Tabelle aufgeführt sind.

Region Image ARN Format SageMaker ARN-Format für Verteilungs-Images SageMaker URI-Format des Vertriebs-Images
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-vertriebs-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-vertriebs-produkt: 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-vertriebs-produkt: 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-vertriebs-produkt: 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-vertriebs-produkt: 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-vertriebs-produkt: 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-vertriebs-produkt: 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-vertriebs-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-vertriebs-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-vertriebs-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-vertriebs-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-vertriebs-produkt: 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-vertriebs-produkt: 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-Vertriebs-Produkt: 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-Vertriebs-Produkt: 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-Vertriebs-Produkt: 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-Vertriebs-Produkt: 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-Vertriebs-Produkt: 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-vertriebs-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-vertriebs-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-Vertriebs-Produkt: 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-vertriebs-produkt: tag

Unterstützte URI-Tags

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

  • 1-cpu

  • 1-gpu

  • 0-cpu

  • 0-gpu

Die folgenden Beispiele zeigen URIs mit verschiedenen Tag-Formaten:

  • 542918446943.dkr.ecr.us-west-2.amazonaws. com/sagemaker-distribution-prod:1-cpu

  • 542918446943.dkr.ecr.us-west-2.amazonaws. com/sagemaker-distribution-prod:0-gpu

Unterstützte Images

Die folgende Tabelle enthält Informationen zu den SageMaker Images und zugehörigen Kernels, die in Amazon Studio Classic verfügbar sind. SageMaker Außerdem finden Sie hier Informationen zur Ressourcen-ID und zur Python-Version, die im Image enthalten sind.

SageMaker Bilder und Kernel

SageMaker Bild Description Ressourcen-ID Kernel (und Kennung) Python-Version
Base Python 4.3 Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 4.2 Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 4.1 Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 4.0 Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI sagemaker-base-python-v4 Python 3 (Python3) Python 3.11
Base Python 3.0 Offizielles Python 3.10-Image von DockerHub with boto3 und enthalten. AWS CLI sagemaker-base-python-310-v1 Python 3 (Python3) Python 3.10
Data Science 5.3 Data Science 5.3 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und Learn. SciKit sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 5.2 Data Science 5.2 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 5.1 Data Science 5.1 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 5.0 Data Science 5.0 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. sagemaker-data-science-v5 Python 3 (Python3) Python 3.11
Data Science 4.0 Data Science 4.0 ist ein Python 3.11 Conda-Image, das auf der Ubuntu-Version 22.04 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. sagemaker-data-science-311-v1 Python 3 (Python3) Python 3.11
Data Science 3.0 Data Science 3.0 ist ein Python 3.10 Conda-Image, das auf der Ubuntu-Version 22.04 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. Sagemaker-Datenwissenschaft-310-v1 Python 3 (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 in KI zu visualisieren. SageMaker Weitere Informationen finden Sie unter Amazon SageMaker Geospatial Notebook SDK Sagemaker-Geospatial-1.0 Python 3 (Python3) Python 3.10
SparkAnalytics 4.3 Das SparkAnalytics 4.3-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Kleber PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4.2 Das SparkAnalytics 4.2-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Kleber PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4.1 Das SparkAnalytics 4.1-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Kleber PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 4,0 Das SparkAnalytics 4.0-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. sagemaker-spark-analytics-v4

  • SparkMagic Spark (Sparkkernel)

  • SparkMagic PySpark (Pysparkkernel)

  • Glue Spark (glue_spark)

  • Kleber PySpark (glue_pyspark)

 Python 3.11
SparkAnalytics 3,0 Das SparkAnalytics 3.0-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue 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)

  • Kleber 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 (conda-env-sm_sparkmagic-sparkkernel)

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

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

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

Python 3.10
PyTorch 2.4.0 Python 3.11 CPU-optimiert Die AWS Deep-Learning-Container für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.11
PyTorch 2.4.0 Python 3.11 GPU-optimiert Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.11
PyTorch 2.3.0 Python 3.11 CPU-optimiert Die AWS Deep-Learning-Container für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.11
PyTorch 2.3.0 Python 3.11 GPU-optimiert Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.11
PyTorch 2.2.0 Python 3.10 CPU-optimiert Die AWS Deep-Learning-Container für PyTorch 2.2 mit CUDA 12.1 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.10
PyTorch 2.2.0 Python 3.10 GPU-optimiert Die AWS Deep-Learning-Container für PyTorch 2.2 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.2.0-gpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.1.0 Python 3.10 CPU-optimiert Die AWS Deep-Learning-Container für PyTorch 2.1 mit CUDA 12.1 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.10
PyTorch 2.1.0 Python 3.10 GPU-optimiert Die AWS Deep-Learning-Container für PyTorch 2.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.1.0-gpu-py310 Python 3 (Python3) Python 3.10
PyTorch 1.13 Python 3.10 Neuron optimiert HuggingFace PyTorch 1.13 Image mit installierten Neuron-Paketen für das Training auf Trainium-Instances, die für Leistung HuggingFace und Skalierung optimiert sind. AWS pytorch-1.13-hf-neuron-py310 Python 3 (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-Instances, die für Leistung und Skalierung optimiert sind. AWS pytorch-1.13-neuron-py310 Python 3 (Python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 CPU-optimiert Die AWS Deep-Learning-Container für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für das CPU-Training, 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 Python 3 (Python3) Python 3.10
TensorFlow 2.14.0 Python 3.10 GPU-optimiert Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.10

Images, die zur Vernachlässigung vorgesehen sind

SageMaker AI beendet die Unterstützung für Bilder am Tag, nachdem eines der Pakete im Bild vom Herausgeber das Ende seiner Lebensdauer erreicht hat. Die folgenden SageMaker Bilder sind als veraltet vorgesehen.

Images, die auf Python 3.8 basieren, haben am 31. Oktober 2024 das Ende ihrer Lebensdauer erreicht. Ab dem 1. November 2024 stellt SageMaker AI die Unterstützung für diese Bilder ein und sie können nicht mehr über die Studio Classic-Benutzeroberfläche ausgewählt werden. 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 Bilder, die als veraltet markiert sind

SageMaker Bild Datum der Veraltung Description Ressourcen-ID Kernel 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 TensorFlow und Keras PyTorch, beliebte Python-Pakete wie Numpy, Scikit-Learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon AI Distribution Repo. SageMaker sagemaker-distribution-cpu-v0 Python 3 (Python3) Python 3.8
SageMaker Distribution 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 TensorFlow und Keras PyTorch, beliebte Python-Pakete wie Numpy, Scikit-Learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon AI Distribution Repo. SageMaker sagemaker-distribution-gpu-v0 Python 3 (Python3) Python 3.8
Base Python 2.0 1. November 2024 Offizielles Python 3.8-Image von DockerHub with boto3 und im Lieferumfang enthalten. AWS CLI Sagemaker-Base-Python-38 Python 3 (Python3) Python 3.8
Datenwissenschaft 2.0 1. November 2024 Data Science 2.0 ist ein Python 3.8 Conda-Image basierend auf Ubuntu Version 22.04. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. Sagemaker-Datenwissenschaft-38 Python 3 (Python3) Python 3.8
PyTorch 1.13 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 1.13 mit CUDA 11.3 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-1.13-cpu-py39 Python 3 (Python3) Python 3.9
PyTorch 1.13 Python 3.9 GPU optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 1.13 mit CUDA 11.7 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-1.13-gpu-py39 Python 3 (Python3) Python 3.9
PyTorch 1.12 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep-Learning-Container für 1.12.0. PyTorch pytorch-1.12-cpu-py38 Python 3 (Python3) Python 3.8
PyTorch 1.12 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep-Learning-Container für 1.12.0. PyTorch pytorch-1.12-gpu-py38 Python 3 (Python3) Python 3.8
PyTorch 1.10 Python 3.8 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 1.10 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep-Learning-Container für PyTorch 1.10.2 auf SageMaker KI. pytorch-1.10-cpu-py38 Python 3 (Python3) Python 3.8
PyTorch 1.10 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 1.10 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep-Learning-Container für PyTorch 1.10.2 auf KI. SageMaker pytorch-1.10-gpu-py38 Python 3 (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 (conda-env-sm_sparkmagic-sparkkernel)

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

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

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

Python 3.8
TensorFlow 2.13.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.10
TensorFlow 2.13.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.10
TensorFlow 2.6 CPU-optimiert für Python 3.8 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.6 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind AWS. Weitere Informationen finden Sie unter AWS Deep-Learning-Container für TensorFlow 2.6. tensorflow-2.6-cpu-py38-ubuntu20.04-v1 Python 3 (Python3) Python 3.8
TensorFlow 2.6 Python 3.8 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.6 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning-Container für 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 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.10
PyTorch 2.0.1 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.1-gpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.0.0 Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für PyTorch 2.0.0 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den Versionshinweisen für Deep Learning Containers. pytorch-2.0.0-cpu-py310 Python 3 (Python3) Python 3.10
PyTorch 2.0.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.10
TensorFlow 2.12.0 Für Python 3.10 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.12.0 mit CUDA 11.2 enthalten Container für das CPU-Training, 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 Python 3 (Python3) Python 3.10
TensorFlow 2.12.0 Python 3.10 GPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.10
TensorFlow 2.11.0 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.9
TensorFlow 2.11.0 Python 3.9 GPU optimiert 1. November 2024 Die AWS Deep-Learning-Container 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 Python 3 (Python3) Python 3.9
TensorFlow 2.10 Python 3.9 CPU-optimiert 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der CPU, 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 Python 3 (Python3) Python 3.9
TensorFlow 2.10 Python 3.9 GPU optimiert 1. November 2024 Die AWS Deep-Learning-Container für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit 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 Python 3 (Python3) Python 3.9

Veraltete Images

SageMaker AI hat die Unterstützung für die folgenden Bilder eingestellt. Die Abkündigung erfolgt am Tag, nachdem eines der Pakete im Image das Ende seiner Lebensdauer durch den Publisher erreicht hat.

SageMaker Bilder, die als veraltet markiert sind

SageMaker Bild Datum der Veraltung Description Ressourcen-ID Kernel Python-Version
Datenwissenschaft 30. Oktober 2023 Data Science ist ein Python https://docs.conda.io/projects/conda/en/latest/index.html 3.7-Conda-Image mit den am häufigsten verwendeten Python-Paketen und -Bibliotheken wie NumPy und SciKit Learn. Datenwissenschaft-1.0 Python 3 Python 3.7
SageMaker JumpStart Datenwissenschaft 1.0 30. Oktober 2023 SageMaker JumpStart Data Science 1.0 ist 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 1.0 ist ein JumpStart Image, das MXNet enthält. sagemaker-jumpstart-mxnet-1.0 Python 3 Python 3.7
SageMaker JumpStart PyTorch 1.0 30. Oktober 2023 SageMaker JumpStart PyTorch 1.0 ist 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 1.0 ist 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 CPU-optimiert für Python 3.7 30. Oktober 2023 Die AWS Deep-Learning-Container für TensorFlow 2.3 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind AWS. Weitere Informationen finden Sie unter AWS Deep-Learning-Container mit TensorFlow 2.3.0. tensorflow-2.3-cpu-py37-ubuntu18.04-v1 Python 3 Python 3.7
TensorFlow 2.3 Für Python 3.7 GPU optimiert 30. Oktober 2023 Die AWS Deep-Learning-Container für TensorFlow 2.3 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter AWS Deep Learning-Container 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 CPU-optimiert für Python 3.7 30. Oktober 2023 Die AWS Deep-Learning-Container für TensorFlow 1.15 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit 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 Für Python 3.7 GPU optimiert 30. Oktober 2023 Die AWS Deep-Learning-Container für TensorFlow 1.15 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit 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