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.
Contêineres Docker personalizados com SageMaker
Você pode adaptar uma imagem existente do Docker para trabalhar com SageMaker ela. Talvez seja necessário usar uma imagem externa existente do Docker SageMaker quando tiver um contêiner que atenda aos requisitos de recursos ou de segurança que atualmente não são suportados por uma imagem SageMaker pré-criada. Existem dois kits de ferramentas que permitem que você traga seu próprio contêiner e o adapte para funcionar: SageMaker
-
SageMaker Kit de ferramentas de treinamento
— Use este kit de ferramentas para treinar modelos com. SageMaker -
SageMaker Kit de ferramentas de inferência — Use este kit
de ferramentas para implantar modelos com. SageMaker
Os tópicos a seguir mostram como adaptar sua imagem existente usando os kits de ferramentas SageMaker de treinamento e inferência:
Tópicos
Bibliotecas de estrutura individuais
Além do kit de ferramentas de SageMaker treinamento e do kit de ferramentas de SageMaker inferência, SageMaker também fornece kits de ferramentas especializados para TensorFlow,MXNet, PyTorch e Chainer. A tabela a seguir fornece links para os GitHub repositórios que contêm o código-fonte de cada estrutura e seus respectivos kits de ferramentas de serviço. As instruções vinculadas são para usar o Python SDK para executar algoritmos de treinamento e hospedar modelos. SageMaker A funcionalidade dessas bibliotecas individuais está incluída no kit de ferramentas de SageMaker treinamento e no kit de ferramentas de SageMaker inferência.
| Framework | Código-fonte do kit de ferramentas |
|---|---|
TensorFlow |
|
MXNet |
|
PyTorch |
|
Chainer |
