Conteneurs Docker personnalisés avec SageMaker

Vous pouvez adapter une image Docker existante pour qu'elle fonctionne avec SageMaker. Vous devrez peut-être utiliser une image Docker externe existante SageMaker lorsque vous avez un conteneur qui répond à des exigences de fonctionnalité ou de sécurité qui ne sont actuellement pas prises en charge par une image SageMaker prédéfinie. Il existe deux boîtes à outils qui vous permettent d'apporter votre propre contenant et de l'adapter pour qu'il fonctionne avec SageMaker :

Les rubriques suivantes montrent comment adapter votre image existante à l'aide des boîtes à outils d' SageMaker entraînement et d'inférence :

Bibliothèques de cadres individuelles

Outre la boîte à outils de SageMaker formation et la boîte à outils d' SageMaker inférence, des boîtes à outils spécialisées pour TensorFlow, MXNet PyTorch, et Chainer sont SageMaker également disponibles. Le tableau suivant fournit des liens vers les GitHub référentiels qui contiennent le code source de chaque framework et leurs boîtes à outils de service respectives. Les instructions liées concernent l'utilisation du Python SDK pour exécuter des algorithmes d'entraînement et héberger des modèles sur SageMaker. Les fonctionnalités de ces bibliothèques individuelles sont incluses dans le kit de SageMaker formation et le kit SageMaker d'inférence.