翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Scikit-learn と Spark ML の Docker イメージへのアクセス

SageMaker には、scikit-learn および Spark ML ライブラリをインストールする構築済みの Docker イメージが用意されています。これらのライブラリには、Amazon SageMaker Python SDK SageMaker の使用と互換性のある Docker イメージの構築に必要な依存関係も含まれています。を使用するとSDK、機械学習タスクに scikit-learn を使用し、Spark ML を使用して機械学習パイプラインを作成および調整できます。のインストールと使用の手順についてはSDK、SageMaker Python SDKを参照してください。

独自の環境の Amazon ECRリポジトリからイメージにアクセスすることもできます。

次のコマンドを使用して、使用可能なイメージのバージョンを検索します。例えば、以下を使用して、ca-central-1 リージョンで使用可能な sagemaker-sparkml-serving イメージを検索します。

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

Python からの SageMakerイメージへのアクセス SDK

次の表に、scikit-learn コンテナと Spark ML コンテナのソースコードを含む GitHub リポジトリへのリンクを示します。この表には、Python SDK 推定器でこれらのコンテナを使用して独自のトレーニングアルゴリズムを実行し、独自のモデルをホストする方法を示す手順へのリンクも含まれています。

詳細と GitHub リポジトリへのリンクについては、「Amazon で Scikit-learn を使用するためのリソース SageMaker」と「Amazon で SparkML Serving を使用するためのリソース SageMaker」を参照してください。

構築済みイメージを手動で指定する

SageMaker Python SDKとその推定器の 1 つを使用してコンテナを管理していない場合は、関連する構築済みコンテナを手動で取得する必要があります。構築済みの SageMakerDocker イメージは Amazon Elastic Container Registry (Amazon ) に保存されますECR。フルネームレジストリアドレスを使用してプッシュまたはプルできます。scikit-learn と Spark ML では、次の Docker イメージURLパターン SageMaker を使用します。

アカウントIDsと AWS リージョン名については、「Docker Registry Paths」と「サンプルコード」を参照してください。