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.

Accès à Docker Images pour Scikit-learn et à Spark ML

SageMaker AI fournit des images Docker prédéfinies qui installent les bibliothèques scikit-learn et Spark ML. Ces bibliothèques incluent également les dépendances nécessaires pour créer des images Docker compatibles avec l' SageMaker IA à l'aide du SDK https://sagemaker.readthedocs.io/en/stable Amazon SageMaker Python. Avec ce kit SDK, vous pouvez utiliser scikit-learn pour les tâches de machine learning et Spark ML pour créer et régler des pipelines de machine learning. Pour obtenir des instructions sur l'installation et l'utilisation du kit SDK, veuillez consulter Kit SDK SageMaker Python.

Vous pouvez également accéder aux images depuis un référentiel Amazon ECR dans votre propre environnement.

Utilisez les commandes suivantes pour connaître les versions d’images disponibles. Par exemple, utilisez les éléments suivants pour rechercher l’image sagemaker-sparkml-serving disponible dans la région ca-central-1 :

aws \
    ecr describe-images \
    --region ca-central-1 \
    --registry-id 341280168497 \
    --repository-name sagemaker-sparkml-serving

Accès à une image depuis le SDK SageMaker AI Python

Le tableau suivant contient des liens vers les GitHub référentiels contenant le code source des conteneurs scikit-learn et Spark ML. Le tableau contient également des liens vers des instructions qui montrent comment utiliser ces conteneurs avec le SDK Python ModelTrainers pour exécuter vos propres algorithmes d'entraînement et héberger vos propres modèles.

Pour plus d’informations et des liens vers des référentiels github, consultez Ressources à utiliser Scikit-learn avec Amazon SageMaker AI et Ressources relatives à l'utilisation de SparkML Serving avec Amazon AI SageMaker.

Spécification manuelle des images préconçues

Si vous n'utilisez pas le SDK SageMaker Python et l'un de ses kits ModelTrainers pour gérer le conteneur, vous devez récupérer manuellement le conteneur prédéfini correspondant. Les images Docker prédéfinies par SageMaker AI sont stockées dans Amazon Elastic Container Registry (Amazon ECR). Vous pouvez les envoyer ou les extraire à l'aide de leur adresse de registre complète. SageMaker AI utilise les modèles d'URL Docker Image suivants pour scikit-learn et Spark ML :

Pour les ID de compte et les noms de AWS région, consultez Docker Registry Paths and Example Code.