기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Scikit-learn 및 Spark ML용 Docker 이미지 액세스

SageMaker 는 scikit-learn 및 Spark ML 라이브러리를 설치하는 사전 빌드된 Docker 이미지를 제공합니다. 이러한 라이브러리에는 Amazon SageMaker Python SDK을 SageMaker 사용하여 와 호환되는 Docker 이미지를 구축하는 데 필요한 종속성도 포함됩니다. 를 사용하면 기계 학습 작업에 scikit-learn을 사용하고 Spark ML을 사용하여 기계 학습 파이프라인을 생성하고 조정할 SDK수 있습니다. 설치 및 사용에 대한 지침은 SageMaker Python SDK을 SDK참조하세요.

자체 환경의 Amazon ECR리포지토리에서 이미지에 액세스할 수도 있습니다.

다음 명령을 사용하여 사용 가능한 이미지 버전을 찾습니다. 예를 들어, 다음을 사용하여 ca-central-1 리전에서 사용 가능한 sagemaker-sparkml-serving 이미지를 찾을 수 있습니다.

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

Python에서 SageMaker 이미지에 액세스 SDK

다음 표에는 scikit-learn 및 Spark ML 컨테이너의 소스 코드가 포함된 GitHub 리포지토리에 대한 링크가 포함되어 있습니다. 이 테이블에는 Python SDK 추정기와 함께 이러한 컨테이너를 사용하여 자체 훈련 알고리즘을 실행하고 자체 모델을 호스팅하는 방법을 보여주는 지침 링크도 포함되어 있습니다.

자세한 내용과 github 리포지토리에 대한 링크는 Amazon에서 Scikit-learn을 사용하기 위한 리소스 SageMaker 및 Amazon에서 SparkML Serving을 사용하기 위한 리소스 SageMaker을 참고하세요.

사전 구축된 이미지를 수동으로 지정하기

SageMaker PythonSDK과 그 추정기 중 하나를 사용하여 컨테이너를 관리하지 않는 경우 관련 사전 빌드된 컨테이너를 수동으로 검색해야 합니다. 사전 구축된 Docker 이미지는 SageMaker Amazon Elastic Container Registry(Amazon )에 저장됩니다ECR. 전체 이름 레지스트리 주소를 사용하여 푸시하거나 가져올 수 있습니다. 는 scikit-learn 및 Spark ML에 다음과 같은 Docker Image URL 패턴을 SageMaker 사용합니다.

계정 IDs 및 AWS 리전 이름은 Docker 레지스트리 경로 및 예제 코드 단원을 참조하세요.