将 TensorFlow 与 Amazon SageMaker 结合使用的资源 - Amazon SageMaker
TensorFlow 1.11 及更高版本适用于 1.11 及更早版本的 TensorFlow 传统模式

将 TensorFlow 与 Amazon SageMaker 结合使用的资源

您可以通过 Amazon SageMaker，使用自定义 TensorFlow 代码训练和部署模型。SageMaker Python SDK TensorFlow 估算器和模型以及 SageMaker 开源 TensorFlow 容器可以提供帮助。根据您使用的 TensorFlow 版本和您想做的事情，使用以下资源列表查找更多信息。

TensorFlow 1.11 及更高版本

对于 TensorFlow 版本 1.11 及更高版本，Amazon SageMaker Python SDK 支持脚本模式训练脚本。

您需要做什么？

我想要在 SageMaker 中训练自定义 TensorFlow 模型。

有关 Jupyter 笔记本的示例，请参阅 TensorFlow 脚本模式训练和服务。

有关文档，请参阅使用 TensorFlow 训练模型。

我有一个在 SageMaker 中训练过的 TensorFlow 模型，我想将它部署到托管端点。

有关更多信息，请参阅部署 TensorFlow Serving 模型。

我有一个在 SageMaker 之外训练的 TensorFlow 模型，我想把它部署到 SageMaker 端点。

有关更多信息，请参阅直接使用模型构件部署。

我想查看 Amazon SageMaker Python SDK TensorFlow 类的 API 文档。

有关更多信息，请参阅 TensorFlow 估算器。

我想查找 SageMaker TensorFlow 容器存储库。

有关更多信息，请参阅 SageMaker TensorFlow 容器 GitHub 存储库。

我想了解有关 AWS Deep 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将 TensorFlow 脚本模式估算器和模型与 SageMaker 一起使用的一般信息，请参阅将 TensorFlow 与 SageMaker Python SDK 结合使用。

适用于 1.11 及更早版本的 TensorFlow 传统模式

Amazon SageMaker Python SDK 提供了支持 TensorFlow 版本 1.11 及更低版本的传统模式。在以下情况下，使用传统模式 TensorFlow 训练脚本在 SageMaker 中运行 TensorFlow 作业：

  • 您有传统模式脚本，且不想转换为脚本模式。

  • 您想使用早于 1.11 的 TensorFlow 版本。

有关编写与 SageMaker Python SDK 结合使用的传统模式 TensorFlow 脚本的信息，请参阅 TensorFlow SageMaker 估算器和模型。