Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Accesso alle immagini Docker per Scikit-learn e Spark ML

SageMaker fornisce immagini Docker predefinite che installano le librerie scikit-learn e Spark ML. Queste librerie includono anche le dipendenze necessarie per creare immagini Docker compatibili con SageMaker l'uso di Amazon Python SageMaker . SDK ConSDK, puoi usare scikit-learn per attività di machine learning e usare Spark ML per creare e ottimizzare pipeline di machine learning. Per istruzioni sull'installazione e l'uso diSDK, vedere SageMaker Python SDK.

Puoi anche accedere alle immagini da un ECR repository Amazon nel tuo ambiente.

Utilizza i seguenti comandi per scoprire quali versioni delle immagini sono disponibili. Ad esempio, utilizza quanto segue per trovare l'immagine sagemaker-sparkml-serving disponibile nella Regione ca-central-1:

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

Accedere a un'immagine da SageMaker Python SDK

La tabella seguente contiene i collegamenti ai GitHub repository con il codice sorgente per i contenitori scikit-learn e Spark ML. La tabella contiene anche collegamenti a istruzioni che mostrano come utilizzare questi contenitori con SDK gli stimatori Python per eseguire i propri algoritmi di addestramento e ospitare i propri modelli.

Per ulteriori informazioni e link ai repository github, consulta Risorse per usare Scikit-learn con Amazon SageMaker e Risorse per l'utilizzo di SparkML Serving con Amazon SageMaker.

Specificazione manuale delle immagini predefinite

Se non stai usando SageMaker Python SDK e uno dei suoi estimatori per gestire il contenitore, devi recuperare manualmente il contenitore precostruito pertinente. Le immagini Docker SageMaker predefinite sono archiviate in Amazon Elastic Container Registry (AmazonECR). Puoi inviarle o estrarle utilizzando i relativi indirizzi di registro con nome completo. SageMaker utilizza i seguenti URL modelli Docker Image per scikit-learn e Spark ML:

Per i nomi degli account IDs e delle AWS regioni, consulta Docker Registry Paths and Example Code.