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.

Acessando imagens do Docker Scikit-learn e do Spark ML

SageMaker A IA fornece imagens pré-criadas do Docker que instalam as bibliotecas scikit-learn e Spark ML. Essas bibliotecas também incluem as dependências necessárias para criar imagens do Docker compatíveis com a SageMaker IA usando o Amazon SageMaker Python SDK. Com o SDK, você pode usar o scikit-learn para tarefas de machine learning e o SparkML para criar e ajustar pipelines de machine learning. Para obter instruções sobre como instalar e usar o SDK, consulte Python SDK do SageMaker .

Você também pode acessar as imagens de um repositório Amazon ECR em seu próprio ambiente.

Use os seguintes comandos para descobrir quais versões das imagens estão disponíveis: Por exemplo, use o seguinte para encontrar a imagem sagemaker-sparkml-serving disponível na região ca-central-1:

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

Acessando uma imagem do SDK do SageMaker AI Python

A tabela a seguir contém links para os GitHub repositórios com o código-fonte dos contêineres scikit-learn e Spark ML. A tabela também contém links para instruções que mostram como usar esses contêineres com o SDK do Python ModelTrainers para executar seus próprios algoritmos de treinamento e hospedar seus próprios modelos.

Para obter mais informações e links para os repositórios do github, consulte Recursos para uso Scikit-learn com a Amazon SageMaker AI e Recursos para usar o SparkML Serving com a Amazon AI SageMaker.

Especificar manualmente as imagens pré-compiladas

Se você não estiver usando o SDK do SageMaker Python e um deles ModelTrainers para gerenciar o contêiner, precisará recuperar o contêiner pré-construído relevante manualmente. As imagens do Docker pré-criadas pela SageMaker IA são armazenadas no Amazon Elastic Container Registry (Amazon ECR). Você pode enviá-los ou retirá-los usando seus endereços de registro de nome completo. SageMaker A IA usa os seguintes padrões de URL de imagem do Docker para scikit-learn e Spark ML:

Para IDs de conta e nomes de AWS regiões, consulte Caminhos de registro e código de exemplo do Docker.