Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Docker-Registry-Pfade und Beispielcode
In den folgenden Themen sind der Docker-Registrierungspfad und andere Parameter für jeden der von Amazon SageMaker AI bereitgestellten Algorithmen und Deep Learning Containers (DLC) aufgeführt. Weitere Informationen finden Sie unter Docker-Images verwenden Pre-built SageMaker .
Verwenden Sie den Pfad wie folgt:
-
Zum Erstellen eines Trainingsauftrags (create_training_job
) geben Sie den Docker Registry-Pfad ( TrainingImage) und den Trainingseingabemodus (TrainingInputMode) für das Trainings-Image an. Sie erstellen einen Trainingsauftrag zum Trainieren eines Modells mit einem bestimmten Datensatz. -
Um ein Modell (create_model
) zu erstellen, geben Sie den Docker-Registrierungspfad ( Image) für das Inferenz-Image () an.PrimaryContainer ImageSageMaker KI startet Recheninstanzen für maschinelles Lernen, die auf der Endpunktkonfiguration basieren, und stellt das Modell bereit, das die Artefakte (das Ergebnis des Modelltrainings) enthält. -
Um einen Modellmonitor zu erstellen, wählen Sie die AWS Region und dann Modellmonitor (Algorithmus) aus. Weitere Informationen finden Sie unter Vorgefertigter Amazon SageMaker AI Model Monitor-Container.
Anmerkung
Pre-built Container-Images sind Eigentum von SageMaker AI und enthalten in einigen Fällen proprietären Code. Funktionen wie Schulungs- und Verarbeitungsjobs, Batch-Transformation und Inferenz in Echtzeit verwenden diensteigene Anmeldeinformationen, um Images auf verwalteten SageMaker KI-Instanzen abzurufen und auszuführen. Da keine Kundenanmeldedaten verwendet werden, verhindern alle AWS IAM-Richtlinien (einschließlich Service- und Ressourcenkontrollrichtlinien), die Amazon ECR-Berechtigungen verweigern, die Verwendung von vorgefertigten Images nicht.
Anmerkung
Verwenden Sie für den Registrierungspfad das :1 Versions-Tag, um sicherzustellen, dass Sie eine stabile Version von verwenden. algorithm/DLC Sie können ein Modell, das mithilfe eines Abbilds trainiert wurde, zuverlässig mit dem :1-Tag auf einem Inferenz-Image hosten, das den :1-Tag aufweist. Wenn Sie das :latest Tag im Registrierungspfad verwenden, erhalten Sie die aktuellste Version von algorithm/DLC, was jedoch zu Problemen mit der Abwärtskompatibilität führen kann. Vermeiden Sie die Verwendung des :latest-Tags für Produktionszwecke.
Wichtig
Wenn Sie den SageMaker AI XGBoost-Image-URI abrufen, verwenden Sie nicht :latest oder :1 für das Image-URI-Tag. Sie müssen eine der unterstützten Versionen angeben, um den SageMaker AI-managed XGBoost-Container mit der nativen XGBoost-Paketversion auszuwählen, die Sie verwenden möchten. Um die Paketversion zu finden, die in die SageMaker AI XGBoost-Container migriert wurde, wählen Sie aus und navigieren Sie AWS-Region
dann zum Abschnitt XGBoost (Algorithmus).
Um den Registrierungspfad zu finden, wählen Sie die AWS Region und dann den Algorithmus oder DLC aus.
Themen
