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.

# Container-Image-Kompatibilität
<a name="train-remote-decorator-container"></a>

Die folgende Tabelle zeigt eine Liste von SageMaker Trainingsbildern, die mit dem @remote -Decorator kompatibel sind.


| Name | Python-Version | Image URI – CPU | Image URI – GPU | 
| --- | --- | --- | --- | 
|  Datenwissenschaft  |  3.7(py37)  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  | 
|  Datenwissenschaft 2.0  |  3.8(py38)  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  | 
|  Data Science 3.0  |  3.10(py310)  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  | 
|  Base Python 2.0  |  3.8(py38)  |  Python SDK wählt dieses Image aus, wenn es feststellt, dass die Entwicklungsumgebung die Python 3.8-Laufzeit verwendet. Andernfalls wählt das Python-SDK dieses Image automatisch aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  |  Nur für SageMaker Studio Classic-Notebooks. Das Python-SDK wählt automatisch den Image-URI aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  | 
|  Base Python 3.0  |  3.10(py310)  |  Python SDK wählt dieses Image aus, wenn es feststellt, dass die Entwicklungsumgebung die Python 3.8-Laufzeit verwendet. Andernfalls wählt das Python-SDK dieses Image automatisch aus, wenn es als SageMaker Studio Classic Notebook-Kernel-Image verwendet wird.  |  Nur für SageMaker Studio Classic-Notebooks. Python SDK wählt automatisch den Image-URI aus, wenn er als Kernel-Image für ein Studio-Classic-Notebook verwendet wird.  | 
|  DLC- TensorFlow 2.12.0 für Schulungen SageMaker   |  3.10(py310)  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.12.0-cpu-py310-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker  | 
|  DLC-TensorFlow 2.11.0 für Schulungen SageMaker   |  3.9(py39)  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.11.0-cpu-py39-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker  | 
|  DLC- 2.10.1 TensorFlow für das Training SageMaker   |  3.9(py39)  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.10.1-cpu-py39-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.10.1-gpu-py39-cu112-ubuntu20.04-sagemaker  | 
|  DLC- TensorFlow 2.9.2 für das Training SageMaker   |  3.9(py39)  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.9.2-cpu-py39-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.9.2-gpu-py39-cu112-ubuntu20.04-sagemaker  | 
|  DLC- TensorFlow 2.8.3 für das Training SageMaker   |  3.9(py39)  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.8.3-cpu-py39-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.8.3-gpu-py39-cu112-ubuntu20.04-sagemaker  | 
|  DLC- PyTorch 2.0.0 für das Training SageMaker   |  3.10(py310)  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:2.0.0-cpu-py310-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:2.0.0-gpu-py310-cu118-ubuntu20.04-sagemaker  | 
|  DLC- PyTorch 1.13.1 für das Training SageMaker   |  3.9(py39)  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.13.1-cpu-py39-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker  | 
|  DLC- 1.12.1 für das Training PyTorch SageMaker   |  3.8(py38)  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.12.1-cpu-py38-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.12.1-gpu-py38-cu113-ubuntu20.04-sagemaker  | 
|  DLC- 1.11.0 für das Training PyTorch SageMaker   |  3.8(py38)  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.11.0-cpu-py38-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.11.0-gpu-py38-cu113-ubuntu20.04-sagemaker  | 
|  DLC- 1.9.0 für das Training MXNet SageMaker   |  3.8(py38)  |  763104351884.dkr.ecr.<region>.amazonaws.com/mxnet-training:1.9.0-cpu-py38-ubuntu20.04-sagemaker  |  763104351884.dkr.ecr.<region>.amazonaws.com/mxnet-training:1.9.0-gpu-py38-cu112-ubuntu20.04-sagemaker  | 

**Anmerkung**  
Um Jobs lokal mit AWS Deep Learning Containers (DLC) -Images auszuführen, verwenden Sie das Image URIs in der [DLC-Dokumentation](https://github.com/aws/deep-learning-containers/blob/master/available_images.md). Die DLC-Images unterstützen den Wert `auto_capture` für Abhängigkeiten nicht.  
Jobs mit [SageMaker AI Distribution in SageMaker Studio werden in](https://github.com/aws/sagemaker-distribution#amazon-sagemaker-studio) einem Container als Nicht-Root-Benutzer mit dem Namen ausgeführt. `sagemaker-user` Dieser Benutzer benötigt volle Zugriffsrechte auf `/opt/ml` und `/tmp`. Erteilen Sie diese Berechtigung, indem Sie `sudo chmod -R 777 /opt/ml /tmp` der Liste `pre_execution_commands` hinzufügen, wie im folgenden Codeausschnitt gezeigt:  

```
@remote(pre_execution_commands=["sudo chmod -R 777 /opt/ml /tmp"])
def func():
    pass
```

Mit Ihren benutzerdefinierten Images können Sie auch Remote-Funktionen ausführen. Aus Gründen der Kompatibilität mit Remote-Funktionen sollten benutzerdefinierte Images mit der Python-Version 3.7.x-3.10.x erstellt werden. Im Folgenden finden Sie ein minimales Dockerfile-Beispiel, das Ihnen zeigt, wie Sie ein Docker-Image mit Python 3.10 verwenden können.

```
FROM python:3.10

#... Rest of the Dockerfile
```

Um `conda` Umgebungen in Ihrem Image zu erstellen und damit Jobs auszuführen, setzen Sie die Umgebungsvariable `SAGEMAKER_JOB_CONDA_ENV` auf den Umgebungsnamen `conda`. Wenn für Ihr Image der `SAGEMAKER_JOB_CONDA_ENV` Wert festgelegt wurde, kann die Remote-Funktion während der Laufzeit des Trainingsauftrags keine neue Conda-Umgebung erstellen. Schauen Sie sich das folgende Dockerfile-Beispiel an, das eine `conda` Umgebung mit Python Version 3.10 verwendet.

```
FROM continuumio/miniconda3:4.12.0  

ENV SHELL=/bin/bash \
    CONDA_DIR=/opt/conda \
    SAGEMAKER_JOB_CONDA_ENV=sagemaker-job-env

RUN conda create -n $SAGEMAKER_JOB_CONDA_ENV \
   && conda install -n $SAGEMAKER_JOB_CONDA_ENV python=3.10 -y \
   && conda clean --all -f -y \
```

Damit SageMaker KI [Mamba](https://mamba.readthedocs.io/en/latest/user_guide/mamba.html) zur Verwaltung Ihrer virtuellen Python-Umgebung im Container-Image verwenden kann, installieren Sie das [Mamba-Toolkit](https://github.com/conda-forge/miniforge) von Miniforge. Um Mamba zu verwenden, fügen Sie zu Ihrer Dockerfile den folgenden Beispielcode hinzu. Dann erkennt SageMaker KI die `mamba` Verfügbarkeit zur Laufzeit und verwendet sie stattdessen. `conda`

```
#Mamba Installation
RUN curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Mambaforge-Linux-x86_64.sh" \
    && bash Mambaforge-Linux-x86_64.sh -b -p "/opt/conda"  \
    && /opt/conda/bin/conda init bash
```

Die Verwendung eines benutzerdefinierten Conda-Kanals in einem Amazon-S3-Bucket ist nicht mit Mamba kompatibel, wenn eine Remote-Funktion verwendet wird. Wenn Sie Mamba verwenden möchten, achten Sie darauf, dass Sie keinen benutzerdefinierten Conda-Kanal auf Amazon S3 verwenden. Weitere Informationen finden Sie im Abschnitt **Voraussetzungen** unter **Benutzerdefiniertes Conda-Repository mit Amazon S3**.

Im Folgenden finden Sie ein vollständiges Dockerfile-Beispiel, das zeigt, wie Sie ein kompatibles Docker-Image erstellen können.

```
FROM python:3.10

RUN apt-get update -y \
    # Needed for awscli to work
    # See: https://github.com/aws/aws-cli/issues/1957#issuecomment-687455928
    && apt-get install -y groff unzip curl \
    && pip install --upgrade \
        'boto3>1.0<2' \
        'awscli>1.0<2' \
        'ipykernel>6.0.0<7.0.0' \
#Use ipykernel with --sys-prefix flag, so that the absolute path to 
    #/usr/local/share/jupyter/kernels/python3/kernel.json python is used
    # in kernelspec.json file
    && python -m ipykernel install --sys-prefix

#Install Mamba
RUN curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Mambaforge-Linux-x86_64.sh" \
    && bash Mambaforge-Linux-x86_64.sh -b -p "/opt/conda"  \
    && /opt/conda/bin/conda init bash

#cleanup
RUN apt-get clean \
    && rm -rf /var/lib/apt/lists/* \
    && rm -rf ${HOME}/.cache/pip \
    && rm Mambaforge-Linux-x86_64.sh

ENV SHELL=/bin/bash \
    PATH=$PATH:/opt/conda/bin
```

 Das aus der Ausführung des vorherigen Dockerfile-Beispiels resultierende Image kann auch als [SageMaker Studio Classic-Kernel-Image](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-byoi.html) verwendet werden.