碼頭登錄路徑和範例程式碼 - Amazon SageMaker ECR 路徑

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

碼頭登錄路徑和範例程式碼

下列主題列出每個 Amazon SageMaker 提供演算法和 Deep Learning Containers (DLC) 的 Docker 登錄路徑和其他參數。如需詳細資訊，請參閱使用預先建立的 SageMaker Docker 映像檔。

使用路徑如下：

  • 若要建立訓練任務 (建立_訓練_任務)，請指定 Docker Registry 路徑 (TrainingImage) 和訓練影像的訓練輸入模式 (TrainingInputMode)。您會建立使用特定資料集來訓練模型的訓練工作。

  • 若要建立模型 (create_model)，請指定推論映像檔的碼頭登錄路徑 (Image)。PrimaryContainer Image SageMaker 啟動以端點組態為基礎的機器學習計算執行個體，並部署模型，其中包括成品 (模型訓練的結果)。

  • 若要建立模型監視器，請選取「 AWS 區域」，然後選取「模型監視器」(演算法)。如需詳細資訊，請參閱 Amazon SageMaker 模型監視器預先建置容器。

注意

針對登記路徑，請使用 :1 版本標籤，以確保您所使用的是穩定版本的演算法/DLC。您也可以使用含有 :1 標籤的影像，將訓練好的模型放心託管到含有 :1 標籤的推論影像上。在登錄路徑中使用:latest標籤可提供最多 up-to-date 版本的演算法 /DLC，但可能會造成回溯相容性問題。請避免將 :latest 標籤用於生產目的。

重要

當您擷取 SageMaker XGBoost 映像檔 URI 時，請勿使用:latest或作:1為映像檔 URI 標記。您必須指定其中一個支援的版本，才能選擇具有您要使用的原生 XGBoost 套件版本的 SageMaker-Managed XgBoost 容器。要查找遷移到 SageMaker XgBoost 容器中的軟件包版本，請選擇您的 AWS 區域 然後導航到 XGBoost（算法）部分。

要查找註冊表路徑，請選擇 AWS 區域，然後選擇算法或 DLC。

主題