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.
# Acceso a imágenes de Docker para Scikit-learn y Spark ML
SageMaker La IA proporciona imágenes de Docker prediseñadas 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 la SageMaker IA mediante el SDK de Amazon [ SageMaker Python](https://sagemaker.readthedocs.io/en/stable). Con el SDK, puede utilizar scikit-learn para tareas de machine learning y usar Spark ML para crear y ajustar canalizaciones de machine learning. Para obtener instrucciones sobre la instalación y el uso de SDK, consulte [SageMaker SDK para Python](https://github.com/aws/sagemaker-python-sdk#installing-the-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
```
## Acceder a una imagen desde el SDK de Python para SageMaker IA
La siguiente tabla contiene enlaces a los GitHub repositorios 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 | [SageMaker Contenedores AI Scikit-learn](https://github.com/aws/sagemaker-scikit-learn-container) | [Uso de Scikit-learn con el SDK de Amazon Python SageMaker ](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html) |
| Spark ML | [SageMaker Contenedores de servicio AI Spark ML](https://github.com/aws/sagemaker-sparkml-serving-container) | [Documentación de SparkML Python SDK](https://sagemaker.readthedocs.io/en/stable/sagemaker.sparkml.html) |
Para obtener más información y enlaces a los repositorios de github, consulte [Recursos para usar Scikit-learn con Amazon AI SageMaker](sklearn.md) y [Recursos para usar SparkML Serving con Amazon AI SageMaker](sparkml-serving.md).
## Especificar manualmente las imágenes precompiladas
Si no está utilizando el SDK de SageMaker Python y uno de sus estimadores para administrar el contenedor, debe recuperar el contenedor prediseñado correspondiente de forma manual. Las imágenes de Docker prediseñadas por SageMaker IA se almacenan en Amazon Elastic Container Registry (Amazon ECR). Puede insertarlas o extraerlas utilizando sus nombres completos y direcciones de registro. SageMaker AI usa los siguientes patrones de URL de imágenes de Docker para scikit-learn y Spark ML:
+ `.dkr.ecr..amazonaws.com/sagemaker-scikit-learn:-cpu-py`
Por ejemplo, `746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-scikit-learn:1.2-1-cpu-py3`
+ `.dkr.ecr..amazonaws.com/sagemaker-sparkml-serving:`
Por ejemplo, `341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4`
Para ver los nombres de cuentas IDs y AWS regiones, consulta las rutas de [registro de Docker](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths) y el código de ejemplo.