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 SageMaker do Docker para aprendizado profundo

SageMaker A Amazon 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 por SageMaker, consulte Docker Registry Paths and Example Code.

Usando o SDK do SageMaker 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 SageMaker do Docker

Você pode personalizar esses contêineres pré-construídos 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 Docker não suporte. Para ver um exemplo disso, consulte Ajustar e implantar um modelo BerTopic SageMaker com seus próprios scripts e conjunto de dados, estendendo 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 de SageMaker. Para uma visão geral do processo, consulte Traga seu próprio MXNet TensorFlow ou modelos pré-treinados para a Amazon. SageMaker Este tutorial aborda como trazer os artefatos do modelo treinado SageMaker e hospedá-los em um endpoint.