Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Cadres pris en charge

Mode de mise au point
Cadres pris en charge - Amazon SageMaker AI

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Amazon SageMaker Neo prend en charge les frameworks suivants.

Framework Version du cadre Version de modèle Modèles Formats de modèle (packagés dans *.tar.gz) Boîtes à outils
MXNet 1.8 Prend en charge la version 1.8 ou antérieure classification d'images, détection d'objets, segmentation sémantique, estimation de pose, reconnaissance d'activités Un fichier de symboles (.json) et un fichier de paramètres (.params) GluonCV v0.8.0
ONNX 1,7 Prend en charge la version 1.7 ou antérieure Classification d'images, SVM Un fichier de modèle (.onnx)
Keras 2.2 Prend en charge la version 2.2 ou antérieure Classification d’images Un fichier de définition de modèle (.h5)
PyTorch 1,7, 1,8 Prend en charge la version 1.7, 1.8 ou antérieure Classification d'images, détection d'objets Un fichier de définition de modèle (.pth)
TensorFlow 1.15, 2.4, 2.5 (uniquement pour les instances ml.inf1.*) Prend en charge les versions 1.15, 2.4, 2.5 (uniquement pour les instances ml.inf1.*) ou antérieures Classification d'images, détection d'objets *Pour les modèles enregistrés, un fichier .pb ou .pbtxt et un répertoire de variables contenant des variables *Pour les modèles figés, un seul fichier .pb ou .pbtxt
TensorFlow-Léger 1.15 Prend en charge la version 1.15 ou antérieure Classification d'images, détection d'objets Un fichier de tampon plat de définition de modèle (.tflite)
XGBoost 1.3 Prend en charge la version 1.3 ou antérieure Arbres de décision Un fichier de XGBoost modèle (.model) où le nombre de nœuds dans une arborescence est inférieur à 2^31
DARKNET Classification des images, détection d'objets (le modèle Yolo n'est pas pris en charge) Un fichier de configuration (.cfg) et un fichier de poids (.weights)
ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.