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。
您可以使用 Amazon SageMaker AI，使用自訂 TensorFlow 程式碼來訓練和部署模型。SageMaker AI Python SDK TensorFlow 估算器和模型，以及 SageMaker AI 開放原始碼 TensorFlow 容器可以提供協助。使用下列資源清單，根據您正在使用的 TensorFlow 版本和您要執行的動作，來尋找更多資訊。
TensorFlow 1.11 版及更新版本
對於 TensorFlow 版本 1.11 和更新版本，Amazon SageMaker Python SDK
您想要做什麼？
- 我想要在 SageMaker AI 中訓練自訂 TensorFlow 模型。
-
對於範例 Jupyter 筆記本，請參閱 TensorFlow script 模式訓練及服務
。 如需文件，請參閱 使用 TensorFlow 訓練模型
。 - 我有在 SageMaker AI 中訓練的 TensorFlow 模型，而且想要將它部署到託管端點。
-
如需詳細資訊，請參閱部屬 TensorFlow Serving 模型
。 - 我有在 SageMaker AI 之外訓練的 TensorFlow 模型，而且想要將它部署到 SageMaker AI 端點。
-
若需詳細資訊，請參閱直接從模型成品部署
。 - 我想要參閱 Amazon SageMaker Python SDK
TensorFlow 類別的 API 文件。 -
如需詳細資訊，請參閱 TensorFlow 預估器
。 - 我想要尋找 SageMaker AI TensorFlow 容器儲存庫。
-
如需詳細資訊，請參閱SageMaker TensorFlow 容器 GitHub 儲存庫
。 - 我想要尋找 AWS Deep Learning Containers 支援之 TensorFlow 版本的相關資訊。
-
有關詳細資訊，請參閱可用的深度學習容器映像
。
如需撰寫 TensorFlow 指令碼模式訓練指令碼，以及搭配 SageMaker AI 使用 TensorFlow 指令碼模式估算器和模型的一般資訊，請參閱搭配 SageMaker Python SDK 使用 TensorFlow
適用於 1.11 版和更早版本的 TensorFlow 舊版模式
Amazon SageMaker Python SDK
-
您有現有的傳統模式指令碼，且您不想轉換為指令碼模式。
-
您想要使用早於 1.11 的 TensorFlow 版本。
如需撰寫傳統模式 TensorFlow 指令碼以搭配 SageMaker AI Python SDK 使用的資訊，請參閱 TensorFlow SageMaker 估算器和模型
