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.

Imagens pré-construídas do SageMaker AI Docker para aprendizado profundo

A Amazon SageMaker AI fornece imagens pré-criadas do Docker que incluem estruturas de aprendizado profundo e outras dependências necessárias para treinamento e inferência. Para obter uma lista completa das imagens pré-criadas do Docker gerenciadas pela SageMaker IA, consulte Docker Registry Paths and Example Code.

Usando o SageMaker SDK AI Python

Com o SDK do SageMaker Python, você pode treinar e implantar modelos usando essas estruturas populares de aprendizado profundo. Para obter instruções sobre como instalar e usar o SDK, consulte Amazon SageMaker Python SDK. A tabela a seguir lista as estruturas disponíveis e as instruções sobre como usá-las com o SDK do SageMaker Python:

Estendendo imagens pré-construídas do SageMaker AI Docker

Você pode personalizar esses contêineres predefinidos ou estendê-los conforme necessário. Com essa personalização, você pode lidar com quaisquer requisitos funcionais adicionais para seu algoritmo ou modelo que a imagem pré-criada do SageMaker AI Docker não suporte. Para ver um exemplo disso, consulte Como ajustar e implantar um BERTopic modelo em SageMaker IA com seus próprios scripts e conjunto de dados, ampliando os contêineres existentes. PyTorch

Você também pode usar contêineres pré-criados para implantar seus modelos personalizados ou modelos que foram treinados em uma estrutura diferente da SageMaker IA. Para uma visão geral do processo, consulte Traga seus próprios TensorFlow modelos MXNet ou modelos pré-treinados para a Amazon SageMaker. Este tutorial aborda como trazer os artefatos do modelo treinado para a SageMaker IA e hospedá-los em um endpoint.