Mengakses Gambar Docker untuk Scikit-learn dan Spark ML - Amazon SageMaker
Mengakses gambar dari Python SageMaker SDK Menentukan Gambar Prebuilt Secara Manual

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengakses Gambar Docker untuk Scikit-learn dan Spark ML

SageMaker menyediakan gambar Docker bawaan yang menginstal pustaka scikit-learn dan Spark ML. Library ini juga menyertakan dependensi yang diperlukan untuk membangun image Docker yang kompatibel dengan penggunaan SageMaker Amazon Python. SageMaker SDK Dengan ituSDK, Anda dapat menggunakan scikit-learn untuk tugas pembelajaran mesin dan menggunakan Spark ML untuk membuat dan menyetel pipeline pembelajaran mesin. Untuk petunjuk tentang menginstal dan menggunakanSDK, lihat SageMaker Python SDK.

Anda juga dapat mengakses gambar dari ECR repositori Amazon di lingkungan Anda sendiri.

Gunakan perintah berikut untuk mengetahui versi gambar mana yang tersedia. Misalnya, gunakan yang berikut ini untuk menemukan sagemaker-sparkml-serving gambar yang tersedia di ca-central-1 Wilayah:

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

Mengakses gambar dari Python SageMaker SDK

Tabel berikut berisi tautan ke GitHub repositori dengan kode sumber untuk wadah scikit-learn dan Spark ML. Tabel ini juga berisi tautan ke instruksi yang menunjukkan cara menggunakan wadah ini dengan SDK penaksir Python untuk menjalankan algoritme pelatihan Anda sendiri dan menghosting model Anda sendiri.

Perpustakaan Kode Sumber Gambar Docker Prebuilt Petunjuk
scikit-belajar

SageMaker Wadah Scikit-learn

Menggunakan Scikit-Learn dengan Amazon Python SageMaker SDK
Percikan Ml

SageMaker Wadah Penyajian Spark ML

Dokumentasi Python SDK SparkMl

Untuk informasi selengkapnya dan tautan ke repositori github, lihat dan. Sumber daya untuk menggunakan Scikit-Learn dengan Amazon SageMaker Sumber daya untuk menggunakan SparkMl Serving dengan Amazon SageMaker

Menentukan Gambar Prebuilt Secara Manual

Jika Anda tidak menggunakan SageMaker Python SDK dan salah satu penaksirnya untuk mengelola wadah, Anda harus mengambil wadah bawaan yang relevan secara manual. Gambar Docker SageMaker bawaan disimpan di Amazon Elastic Container Registry (AmazonECR). Anda dapat mendorong atau menariknya menggunakan alamat registri nama lengkap mereka. SageMaker menggunakan URL pola Gambar Docker berikut untuk scikit-learn dan Spark ML:

  • <ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-scikit-learn:<SCIKIT-LEARN_VERSION>-cpu-py<PYTHON_VERSION>

    Sebagai contoh, 746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-scikit-learn:1.2-1-cpu-py3.

  • <ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-sparkml-serving:<SPARK-ML_VERSION>

    Sebagai contoh, 341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4.

Untuk nama akun IDs dan AWS Region, lihat Docker Registry Paths dan Example Code.