Política de soporte de SageMaker imágenes prediseñadas - Amazon SageMaker

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Política de soporte de SageMaker imágenes prediseñadas

Todas las SageMaker imágenes prediseñadas, incluidos los contenedores específicos del marco, los contenedores de algoritmos integrados, los algoritmos y los paquetes de modelos, se enumeran en AWS Marketplace, y AWS El programa Common Vulnerability and Exposures (CVE) y la National Vulnerability Database () y la National Vulnerability Database (NVD) analizan periódicamente los Deep Learning Containers para detectar las vulnerabilidades más comunes enumeradas por el Programa de Vulner Para obtener más información al respectoCVEs, consulte CVEPreguntas frecuentes (FAQs). Las imágenes de contenedores prediseñadas compatibles reciben una versión secundaria actualizada después de cualquier parche de seguridad.

Todas las imágenes de contenedores compatibles se actualizan de forma rutinaria para abordar cualquier problema críticoCVEs. Para situaciones de alta gravedad, recomendamos a los clientes que creen y alojen una versión parcheada del contenedor en su propio Amazon Elastic Container Registry (AmazonECR).

Si utilizas una versión de imagen de contenedor que ya no es compatible, es posible que no tengas los controladores, las bibliotecas y los paquetes relevantes más actualizados. Para obtener una up-to-date versión posterior, le recomendamos que actualice a uno de los marcos compatibles disponibles utilizando la imagen más reciente de su elección.

SageMaker no publica out-of-patch imágenes para contenedores en versiones nuevas Regiones de AWS.

AWS Política de soporte de Deep Learning Containers (DLC)

AWS Deep Learning Containers son un conjunto de imágenes de Docker para entrenar y servir modelos de aprendizaje profundo. Para ver las imágenes disponibles, consulte Imágenes de Deep Learning Containers disponibles en el GitHub repositorio de Deep Learning Containers.

DLCsalcanzaron la fecha de finalización del parche 365 días después de la fecha GitHub de lanzamiento. Las actualizaciones de parches no DLCs son actualizaciones «in situ». Debe eliminar la imagen existente en la instancia y extraer la imagen del contenedor más reciente sin cerrar la instancia. Para obtener más información, consulte la Política de soporte de Framework en la AWS Guía para desarrolladores de Deep Learning Containers.

Consulte la AWS Tabla de políticas de soporte de Deep Learning Containers Framework para comprobar qué marcos y versiones son compatibles activamente AWS DLCs. Puede hacer referencia al marco asociado a a DLC en la tabla de políticas de soporte para cualquier imagen que no aparezca explícitamente en la lista. Por ejemplo, puede consultar PyTorchen la tabla de políticas de soporte DLC imágenes como huggingface-pytorch-inference ystabilityai-pytorch-inference.

nota

Si a DLC usa el HuggingFace TransformersSDK, solo se admite la imagen con la última versión de Transformers. Para obtener más información, consulte HuggingFacepara la región que elija en las rutas de registro de Docker y en el código de ejemplo.

SageMaker Política de soporte de ML Framework Container

Los contenedores SageMaker ML Framework son un conjunto de imágenes de Docker para entrenar y atender cargas de trabajo de aprendizaje automático con entornos optimizados para marcos comunes, como Scikit XGBoost Learn. Para ver los contenedores de SageMaker ML Framework disponibles, consulta las rutas de registro de Docker y el código de ejemplo. Navegue hasta la AWS La región que elijas y busca imágenes con la etiqueta (algoritmo). SageMaker Los contenedores ML Framework también cumplen con las AWS Política de soporte del marco Deep Learning Containers.

Para recuperar la versión de imagen más reciente de la versión XGBoost 1.7-1 en modo framework, utilice lo siguiente SageMaker Python SDKcomandos:

from sagemaker import image_uris image_uris.retrieve(framework='xgboost',region='us-east-1',version='1.7-1')
Marcos Versión actual GitHub GA Fin del parche

XGBoost

1.7-1

03/06/2023

03/06/2025

XGBoost

1,5-1

21/02/2022

21/02/2023

XGBoost

1.3-1

21/05/2021

21/05/2022

XGBoost

1,2-2

20/09/2020 20/09/2021

XGBoost

1.2-1

19/07/2020 19/07/2021

XGBoost

1,0-1

> 4 años

No compatible

Scikit-Learn

1.2-1

03/06/2023

03/06/2025

Scikit-Learn

1.0-1

04/07/2022

04/07/2023

Scikit-Learn

0,23-1

6/3/2023

06/02/2021

Scikit-Learn

0,20-1

> 4 años

No compatible

SageMaker Política de soporte de contenedores de algoritmos integrada

Los contenedores de algoritmos SageMaker integrados son un conjunto de imágenes de Docker para entrenar y servir los algoritmos SageMaker de aprendizaje automático integrados en el sistema. Para ver los contenedores de algoritmos SageMaker integrados disponibles, consulte las rutas de registro de Docker y el código de ejemplo. Navegue hasta el AWS La región que elijas y busca imágenes con la etiqueta (algoritmo).

Las actualizaciones de parches para las imágenes de contenedores integradas son actualizaciones «in situ». Para mantener up-to-date los parches de seguridad más recientes, te recomendamos que consultes la última versión de la imagen del algoritmo integrado utilizando la etiqueta de latest imagen.

Contenedor de imágenes Fin del parche

blazingtext:latest

15/05/2024

factorization-machines:latest

15/05/2024

forecasting-deepar:latest

Hasta que se anuncie la obsolescencia de la imagen

image-classification:latest

15/05/2024

instance-segmentation:latest

15/05/2024

ipembeddings:latest

15/05/2024

ipinsights:latest

15/05/2024

kmeans:latest

15/05/2024

knn:latest

15/05/2024

linear-learner:inference-cpu-1/training-cpu-1

15/05/2024

linear-learner:latest

15/05/2024

mxnet-algorithms:training-cpu/inference-cpu

15/05/2024

ntm:latest

15/05/2024

object-detection:latest

15/05/2024

object2vec:latest

15/05/2024

pca:latest

15/05/2024

randomcutforest:latest

15/05/2024

semantic-segmentation:latest

15/05/2024

seq2seq:latest

15/05/2024

LLMPolítica de soporte de Hosting Container

LLMalojar contenedores como el HuggingFace Los contenedores Text Generation Inference (TGI) llegan a su fecha de finalización del parche 30 días después de su fecha de GitHub lanzamiento.

importante

Hacemos una excepción cuando hay una actualización importante de la versión. Por ejemplo, si el HuggingFace El kit de herramientas Text Generation Inference (TGI) se actualiza a la versión TGI 2.0, por lo que seguiremos ofreciendo soporte para la versión TGI 1.4 más reciente durante un período de tres meses a partir de la fecha de publicación. GitHub

Contenedor del kit de herramientas Versión actual GitHub GA Fin del parche

TGI

tgi2.2.0

26/07/2024

30/08/2024

TGI

tgi2.0.0

15/05/2024

15/08/2024

TGI

tgi 1.4.5

04/03/2024

07/03/2024

TGI

tgi 1.4.2

22/02/2024

22/03/2024

TGI

tgi 1.4.0

29/01/2024

29/02/2024

TGI

tgi 1.3.3

19/12/2023

19/01/2024

TGI

tgi 1.3.1

11/12/2023

01/11/2024

TGI

tgi 1.2.0

12/04/2023

01/04/2024

TGI

óptimo 0.0.24

23/08/2024

30/09/2024

TGI

0.0.23 óptimo

26/07/2024

30/08/2024

TGI

0.0.21 óptimo

05/10/2024

15/08/2024

TGI

óptimo 0.0.19

19/02/2024

19/03/2024

TGI

óptimo 0.0.18

01/02/2024

01/03/2024

TGI

óptimo 0.0.17

24/01/2024

24/02/2024

TGI

0.0.16 óptimo

18/01/2024

18/02/2024

TEI

tei 1.4.0

08/01/2024

09/01/2024

TEI

tei 1.2.3

26/04/2024

26/05/2024

Contenedores no compatibles y obsoletos

Cuando un contenedor llega al final del parche o queda obsoleto, deja de recibir los parches de seguridad. Los contenedores quedan obsoletos cuando ya no se admiten marcos o algoritmos completos.

Los siguientes contenedores ya no reciben soporte:

  • A partir de abril de 2024, los contenedores de aprendizaje SageMaker reforzado (RL) dejarán de ser compatibles. Para crear tus propias imágenes de RL, consulta Cómo crear tu imagen en el GitHub repositorio de contenedores de SageMaker RL.

  • A partir de septiembre de 2023, ya no se admiten los contenedores JumpStart industriales: financieros.