Defina o ambiente para seu script de algoritmo - Amazon Braket

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Defina o ambiente para seu script de algoritmo

O Amazon Braket oferece suporte a três ambientes definidos por contêineres para seu script de algoritmo:

  • Um contêiner base (o padrão, se nenhum image_uri for especificado)

  • Um contêiner com Tensorflow e PennyLane

  • Um recipiente com PyTorch e PennyLane

A tabela a seguir fornece detalhes sobre os contêineres e as bibliotecas que eles incluem.

Contêineres Amazon Braket
Tipo PennyLane with TensorFlow PennyLane with PyTorch Pennylane

Base

292282985366.dkr. ecr.us-east-1.amazonaws.com /:latest amazon-braket-tensorflow-jobs

292282985366.dkr. ecr.us-west-2.amazonaws.com /:latest amazon-braket-pytorch-jobs

292282985366.dkr. ecr.us-west-2.amazonaws.com /:latest amazon-braket-base-jobs

Bibliotecas herdadas

  • awscli

  • numpy

  • pandas

  • scipy

  • awscli

  • numpy

  • pandas

  • scipy

Bibliotecas adicionais

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • kernel ipy

  • keras

  • matplotlib

  • redes

  • openbabel

  • PennyLane

  • protobuf

  • psi4

  • rsa

  • PennyLane-GPU Lightning

  • CuQuantum

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • kernel ipy

  • keras

  • matplotlib

  • redes

  • openbabel

  • PennyLane

  • protobuf

  • psi4

  • rsa

  • PennyLane-GPU Lightning

  • CuQuantum

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • awscli

  • boto3

  • kernel ipy

  • matplotlib

  • redes

  • numpy

  • openbabel

  • pandas

  • PennyLane

  • protobuf

  • psi4

  • rsa

  • scipy

Você pode visualizar e acessar as definições de contêiner de código aberto em aws/ amazon-braket-containers. Escolha o contêiner que melhor se adequa ao seu caso de uso. O contêiner deve estar no Região da AWS qual você invoca sua tarefa híbrida. Você especifica a imagem do contêiner ao criar um trabalho híbrido adicionando um dos três argumentos a seguir à sua create(…​) chamada no script de trabalho híbrido. Você pode instalar dependências adicionais no contêiner escolhido em tempo de execução (ao custo da inicialização ou do tempo de execução) porque o Amazon Os contêineres de suporte têm conectividade com a Internet. O exemplo a seguir é para a região us-west-2.

  • Imagem base image_uri="292282985366.dkr. ecr.us-west-2.amazonaws.com /:1.0-cpu-py39-ubuntu22.04" amazon-braket-base-jobs

  • Imagem do Tensorflow image_uri="292282985366.dkr. ecr.us-east-1.amazonaws.com /:2.11.0-gpu-py39-cu112-ubuntu20.04" amazon-braket-tensorflow-jobs

  • PyTorch image image_uri="292282985366.dkr. ecr.us-west-2.amazonaws.com /:1.13.1-gpu-py39-cu117-ubuntu20.04" amazon-braket-pytorch-jobs

O também image-uris pode ser recuperado usando a retrieve_image() função no Amazon SDK do Braket. O exemplo a seguir mostra como recuperá-los do Região da AWS us-west-2.

from braket.jobs.image_uris import retrieve_image, Framework

image_uri_base = retrieve_image(Framework.BASE, "us-west-2")
image_uri_tf = retrieve_image(Framework.PL_TENSORFLOW, "us-west-2")
image_uri_pytorch = retrieve_image(Framework.PL_PYTORCH, "us-west-2")