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。

預建的 SageMaker 影像支援政策

所有預先建置的 SageMaker 映像檔，包括框架特定容器、內建演算法容器、演算法和模型套件 AWS Marketplace，以及 AWS Deep Learning Containers 會定期掃描常見弱點和入侵程式 (CVE) 計畫和國家弱點資料庫 (NVD) 所列出的常見弱點。如需相關資訊CVEs，請參閱CVE常見問題集 (FAQs)。支援的預先建置容器映像會在任何安全性修補程式後，收到更新的次要版本

所有支持的容器映像都會定期更新以解決任何關鍵CVEs問題。對於高嚴重性案例，我們建議客戶在自己的 Amazon 彈性容器登錄檔 (AmazonECR) 中建立並託管已修補的容器版本。

如果您執行的容器映像檔版本不再受支援，您可能沒有最新的驅動程式、程式庫和相關套件。如需更多 up-to-date 版本，建議您使用您選擇的最新映像檔升級至其中一個可支援的架構。

SageMaker 不會為新的容器釋放 out-of-patch 映像 AWS 區域.

AWS Deep Learning Containers (DLC) 支援政策

AWS Deep Learning Containers 是一組用於訓練和服務深度學習模型的 Docker 映像檔。若要檢視可用的映像檔，請參閱 Deep Learning Containers GitHub 儲存庫中的可用 Deep Learning Containers 映像。

DLCs在發布日期後 365 天內達到補丁日 GitHub 期的結束。的修補程式更新不DLCs是「就地」更新。您必須刪除執行個體上的現有映像檔，並提取最新的容器映像檔，而不會終止執行個體。如需詳細資訊，請參閱 AWS Deep Learning Containers 開發人員指南。

參考 AWS Deep Learning Containers 架構 Support 援政策表格，可查看主動支援哪些架構和版本 AWS DLCs。對於未明確列出的任何映像，您可以參考與支援原則表格DLC中的相關聯的架構。例如，您可以PyTorch在支援原則表格中參考DLC影像，例如huggingface-pytorch-inference和stabilityai-pytorch-inference。

SageMaker ML 框架容器支持策略

SageMaker ML 架構容器是一組 Docker 映像檔，用於訓練和服務機器學習工作負載，其環境針對常見架構 (例如XGBoost和 Scikit Learn) 進行最佳化。若要檢視可用的 SageMaker ML 架構容器，請參閱 Docker 登錄路徑和範例程式碼。導覽至 AWS 您選擇的區域，並使用（算法）標籤瀏覽圖像。 SageMaker ML 框架容器也堅持 AWS Deep Learning Containers 架構支援政策。

要在框架模式下檢索 XGBoost 1.7-1 的最新映像版本，請使用以下命令 SageMaker Python SDK命令：

from sagemaker import image_uris
image_uris.retrieve(framework='xgboost',region='us-east-1',version='1.7-1')

SageMaker 內建演算法容器支援政策

SageMaker 內建演算法容器是用於訓練和服務SageMaker內建機器學習演算法的一組 Docker 映像檔。若要檢視可用的 SageMaker 內建演算法容器，請參閱 Docker 登錄路徑和範例程式碼。導覽至 AWS 您選擇的區域，並使用（算法）標籤瀏覽圖像。

內建容器映像的修補程式更新為「就地」更新。為了保持最新 up-to-date的安全修補程式，我們建議您使用圖像標籤查看最新的內置算法latest映像版本。

LLM託管容器支援政策

LLM託管容器，如 HuggingFace 文字產生推論 (TGI) 容器在其發行日期後 30 天內達到修補程式結束日 GitHub 期。

不支援的容器和棄用

當容器到達修補程式結尾或遭到淘汰時，就不會再收到安全性修補程式。當不再支援整個架構或演算法時，容器會被淘汰。

下列容器不再獲得支援：