本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
TensorFlow 与 Amazon 一起使用的资源 SageMaker
您可以使用 Amazon SageMaker 使用自定义 TensorFlow 代码训练和部署模型。 SageMakerPython SDK TensorFlow 估算器和模型以及 SageMaker 开源 TensorFlow 容器可以提供帮助。根据 TensorFlow 您正在使用的版本和想要执行的操作，使用以下资源列表来查找更多信息。
TensorFlow 版本 1.11 及更高版本
对于 1.11 及更高 TensorFlow 版本，Amaz SageMaker on Python SDK
您需要做什么？
- 我想在里面训练一个自定义 TensorFlow 模型 SageMaker。
-
有关 Jupyter 笔记本的示例，请参阅TensorFlow 脚本模式训练和
发球。 有关文档，请参阅使用训练模型 TensorFlow
。 - 我有一个经过训练的 TensorFlow 模型 SageMaker，我想将其部署到托管端点。
-
有关更多信息，请参阅部署 TensorFlow 服务模型
。 - 我有一个在外面训练的 TensorFlow 模型 SageMaker，我想将其部署到 SageMaker 终端节点。
-
有关更多信息，请参阅直接使用模型构件部署
。 - 我想看看亚马逊 SageMaker Python SDK
TensorFlow 类的API文档。 -
有关更多信息，请参阅TensorFlow 估算器
。 - 我想找到 SageMaker TensorFlow 容器存储库。
-
有关更多信息，请参阅SageMaker TensorFlow 容器 GitHub 存储库
。 - 我想查找有关 Dee AWS p Learning Containers 支持的 TensorFlow 版本的信息。
-
有关更多信息，请参阅可用的深度学习容器映像
。
有关编写 TensorFlow 脚本模式训练脚本以及使用 TensorFlow 脚本模式估计器和模型的一般信息 SageMaker，请参阅与 Python TensorFlow SageMaker 一起使用
TensorFlow 1.11 及更早版本的传统模式
Amaz SageMaker on Python SDK
-
您有传统模式脚本，且不想转换为脚本模式。
-
你想使用早于 1.11 的 TensorFlow 版本。
有关编写用于 SageMaker Python 的传统模式 TensorFlow 脚本的信息SDK，请参阅TensorFlow SageMaker 估算器和模型。
