Acceso a imágenes de Docker para Scikit-learn y Spark ML
SageMaker AI proporciona imágenes de Docker precompiladas que instalan las bibliotecas scikit-learn y Spark ML. Estas bibliotecas también incluyen las dependencias necesarias para crear imágenes de Docker que sean compatibles con SageMaker AI mediante el Amazon SageMaker Python SDK.
También puede acceder a las imágenes desde un repositorio de Amazon ECR en su propio entorno.
Utilice los siguientes comandos para saber qué versiones de las imágenes están disponibles. Por ejemplo, utilice lo siguiente para buscar la imagen sagemaker-sparkml-serving disponible en la región ca-central-1:
aws \ ecr describe-images \ --region ca-central-1 \ --registry-id 341280168497 \ --repository-name sagemaker-sparkml-serving
Acceso a una imagen desde el SageMaker AI Python SDK
La siguiente tabla contiene enlaces a los repositorios de GitHub con el código fuente de los contenedores scikit-learn y Spark ML. La tabla también contiene enlaces a instrucciones que muestran cómo utilizar estos contenedores con los estimadores del SDK de Python para ejecutar sus propios algoritmos de entrenamiento y alojar sus propios modelos.
| Library | Código fuente de imágenes de Docker prediseñadas | Instrucciones |
|---|---|---|
| scikit-learn | ||
| Spark ML |
Para obtener más información y enlaces a los repositorios de github, consulte Recursos para usar Scikit-learn con Amazon SageMaker AI y Recursos para usar SparkML Serving con Amazon SageMaker AI.
Especificar manualmente las imágenes precompiladas
Si no está utilizando el SageMaker Python SDK ni tampoco uno de sus estimadores para administrar el contenedor, tiene que recuperar manualmente el contenedor precompilado correspondiente. Las imágenes de Docker prediseñadas de SageMaker AI se almacenan en Amazon Elastic Container Registry (Amazon ECR). Puede insertarlas o extraerlas con sus direcciones de registro de nombre completo. SageMaker AI utiliza los siguientes patrones de URL de imágenes de Docker para scikit-learn y Spark ML:
-
<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-scikit-learn:<SCIKIT-LEARN_VERSION>-cpu-py<PYTHON_VERSION>Por ejemplo,
746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-scikit-learn:1.2-1-cpu-py3 -
<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-sparkml-serving:<SPARK-ML_VERSION>Por ejemplo,
341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4
Para ver los ID de cuenta y los nombres de las regiones de AWS, consulte Docker Registry Paths and Example Code.