Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Contenedores Docker personalizados con IA SageMaker
<a name="docker-containers-adapt-your-own"></a>

Puede adaptar una imagen de Docker existente para que funcione con IA. SageMaker Es posible que necesites usar una imagen de Docker externa existente con SageMaker IA si tienes un contenedor que cumple requisitos de características o seguridad que actualmente no son compatibles con una imagen de IA SageMaker prediseñada. Hay dos kits de herramientas que te permiten traer tu propio contenedor y adaptarlo para que funcione con la IA: SageMaker 
+ [SageMaker Kit de herramientas de formación](https://github.com/aws/sagemaker-training-toolkit): utilice este kit de herramientas para entrenar modelos con IA. SageMaker 
+ SageMaker Kit de [herramientas de inferencia de IA: utilice este kit](https://github.com/aws/sagemaker-inference-toolkit) de herramientas para implementar modelos con IA. SageMaker 

En los siguientes temas, se muestra cómo adaptar la imagen existente mediante los kits de herramientas de SageMaker formación e inferencia:

**Topics**
+ [Bibliotecas de marcos individuales](#docker-containers-adapt-your-own-frameworks)
+ [SageMaker Kits de herramientas de formación e inferencia](amazon-sagemaker-toolkits.md)
+ [Adaptación del contenedor de entrenamiento propio](adapt-training-container.md)
+ [Adapte su propio contenedor de inferencias para Amazon AI SageMaker](adapt-inference-container.md)

## Bibliotecas de marcos individuales
<a name="docker-containers-adapt-your-own-frameworks"></a>

Además del kit de herramientas de SageMaker capacitación y SageMaker el kit de herramientas de inferencia de SageMaker IA, AI también proporciona kits de herramientas especializados para TensorFlow MXNet y Chainer. PyTorch La siguiente tabla proporciona enlaces a los GitHub repositorios que contienen el código fuente de cada marco y sus respectivos kits de herramientas de servicio. Las instrucciones enlazadas son para usar el SDK de Python para ejecutar algoritmos de entrenamiento y alojar modelos en SageMaker IA. La funcionalidad de estas bibliotecas individuales está incluida en el kit de herramientas de formación sobre SageMaker IA y el kit de herramientas de inferencia de SageMaker IA.


| Marcos | Código fuente del Toolkit | 
| --- | --- | 
| TensorFlow | [SageMaker Formación en IA TensorFlow ](https://github.com/aws/sagemaker-tensorflow-training-toolkit)<br />[SageMaker Servicio de TensorFlow IA](https://github.com/aws/sagemaker-tensorflow-serving-container) | 
| MXNet | [SageMaker Capacitación sobre IA MXNet](https://github.com/aws/sagemaker-mxnet-training-toolkit)<br />[SageMaker Inferencia de AI MXNet](https://github.com/aws/sagemaker-mxnet-inference-toolkit) | 
| PyTorch | [SageMaker Entrenamiento de IA PyTorch ](https://github.com/aws/sagemaker-pytorch-training-toolkit)<br />[SageMaker PyTorch Inferencia de IA](https://github.com/aws/sagemaker-pytorch-inference-toolkit) | 
| Chainer | [SageMaker Contenedores AI Chainer SageMaker AI](https://github.com/aws/sagemaker-chainer-container) |