Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Politique de prise en charge des SageMaker images prédéfinie
Toutes les [ SageMaker images prédéfinies](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html), y compris les conteneurs spécifiques au framework, les conteneurs d'algorithmes intégrés, les algorithmes et les packages de modèles répertoriés dans, ainsi que les [AWS Deep Learning Containers AWS Marketplace](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/what-is-dlc.html), sont régulièrement scannées pour détecter les vulnérabilités courantes répertoriées par le [programme Common Vulnerabilities and Exposures (CVE)](https://www.cve.org/) et la [National Vulnerability](https://nvd.nist.gov/) Database (NVD). Pour plus d’informations sur les CVE, consultez [Questions fréquentes concernant CVE](https://www.cve.org/ResourcesSupport/FAQs). Les images de conteneur préconçues prises en charge reçoivent une version mineure mise à jour après tout correctif de sécurité.
Toutes les images de conteneur prises en charge sont régulièrement mises à jour pour prendre en compte les CVE critiques. Pour les scénarios de gravité élevée, nous recommandons aux clients de créer et d’héberger une version corrigée du conteneur dans leur propre [Amazon Elastic Container Registry (Amazon ECR).](https://docs.aws.amazon.com/AmazonECR/latest/userguide/what-is-ecr.html)
Si vous utilisez une version d’image de conteneur qui n’est plus prise en charge, il se peut que vous ne disposiez pas des pilotes, bibliothèques et packages appropriés les plus récents. Pour obtenir une version plus récente, nous vous recommandons de passer à l’un des frameworks pris en charge disponibles en utilisant la dernière image de votre choix.
SageMaker L'IA ne publie pas d'images hors patch pour les conteneurs dans les nouveaux Régions AWS.
**Note**
Depuis août 2024, le conteneur `forecasting-deepar` ne reçoit plus de correctifs ni de mises à jour de sécurité. Bien que vous puissiez continuer à utiliser ce conteneur, vous courez des risques supplémentaires. Les conteneurs sont déconseillés lorsque l’ensemble du framework ou des algorithmes ne sont plus pris en charge et que le framework MXNet sous-jacent au conteneur a atteint la fin de la maintenance.
**Topics**
+ [AWS Politique d'assistance relative aux Deep Learning Containers (DLC)](#pre-built-containers-support-policy-dlc)
+ [SageMaker Politique de support du conteneur AI ML Framework](#pre-built-containers-support-policy-ml-framework)
+ [SageMaker Politique de support de AI Built-in Algorithm Container](#pre-built-containers-support-policy-built-in)
+ [Politique de support des conteneurs d’hébergement LLM](#pre-built-containers-support-policy-llm-hosting)
+ [Conteneurs non pris en charge et dépréciation](#pre-built-containers-support-policy-deprecation)
## AWS Politique d'assistance relative aux Deep Learning Containers (DLC)
AWS Les Deep Learning Containers sont un ensemble d'images Docker destinées à la formation et au service de modèles de deep learning. Pour voir les images disponibles, consultez [Available Deep Learning Containers Images](https://aws.github.io/deep-learning-containers/reference/available_images/).
Les DLC ont atteint leur date de fin de mise à jour 365 jours après leur date GitHub de sortie. Les mises à jour des correctifs pour les DLC ne sont pas des mises à jour « sur place ». Vous devez supprimer l’image existante sur votre instance et extraire la dernière image du conteneur sans mettre fin à votre instance. Pour plus d'informations, consultez la section [Framework Support Policy](https://aws.github.io/deep-learning-containers/reference/support_policy/).
Consultez le [tableau des politiques de support du framework AWS Deep Learning Containers](https://aws.github.io/deep-learning-containers/reference/support_policy/) pour vérifier quels frameworks et quelles versions sont activement pris en charge pour les AWS DLC. Vous pouvez faire référence au framework associé à un DLC dans le tableau des politiques de support pour toutes les images qui ne sont pas explicitement répertoriées. Par exemple, vous pouvez faire référence **PyTorch**dans le tableau des politiques de support aux images DLC telles que `huggingface-pytorch-inference` et`stabilityai-pytorch-inference`.
**Note**
Si un DLC utilise le kit SDK HuggingFace [Transformers](https://huggingface.co/docs/transformers/en/index), seule l’image contenant la dernière version de Transformers est prise en charge. Pour plus d’informations, consultez **HuggingFace** pour la région de votre choix dans [Chemins de registre Docker et exemple de code](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html).
## SageMaker Politique de support du conteneur AI ML Framework
Les conteneurs SageMaker AI ML Framework sont un ensemble d'images Docker destinées à la formation et au traitement des charges de travail d'apprentissage automatique avec des environnements optimisés pour des frameworks courants tels que XGBoost et Scikit Learn. Pour consulter les conteneurs SageMaker AI ML Framework disponibles, consultez les [chemins de registre Docker et les exemples de code](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html). Accédez à la AWS région de votre choix et parcourez les images à l'aide de la balise **(algorithme)**. SageMaker Les conteneurs AI ML Framework respectent également la [politique de support du framework AWS Deep Learning Containers](https://aws.github.io/deep-learning-containers/reference/support_policy/).
Pour récupérer la dernière version d'image pour XGBoost 1.7-1 en mode framework, utilisez les commandes du SDK suivantes : SageMaker Python
```
from sagemaker import image_uris
image_uris.retrieve(framework='xgboost',region='us-east-1',version='3.0-5')
```
| Cadre | Version actuelle | GitHub GA | Fin du correctif |
| --- | --- | --- | --- |
| XGBoost | 3,0-5 | 11/17/2025 | 11/17/2026 |
| XGBoost | 1,7-1 | 03/06/2023 | 03/06/2025 |
| XGBoost | 1,5-1 | 02/21/2022 | 02/21/2023 |
| XGBoost | 1.3-1 | 05/21/2021 | 05/21/2022 |
| XGBoost | 1.2-2 | 09/20/2020 | 09/20/2021 |
| XGBoost | 1,2-1 | 07/19/2020 | 07/19/2021 |
| XGBoost | 1,0-1 | >4 ans | Non pris en charge |
| Scikit-Learn | 1,4-2 | 10/30/2025 | 10/30/2026 |
| Scikit-Learn | 1,2-1 | 03/06/2023 | 03/06/2025 |
| Scikit-Learn | 1,0-1 | 04/07/2022 | 04/07/2023 |
| Scikit-Learn | 0,23-1 | 3/6/2023 | 06/02/2021 |
| Scikit-Learn | 0,20-1 | >4 ans | Non pris en charge |
**Note**
Scikit-Learn 1.4-2 est disponible dans les variantes d'image Python 3.10 () `1.4-2` et Python 3.12 ()`1.4-2-py312`. L'image Python 3.12 n'inclut pas [ml-io](https://github.com/awslabs/ml-io). Les clients utilisant mlio doivent continuer à utiliser l'image 1.4-2 (Python 3.10).
## SageMaker Politique de support de AI Built-in Algorithm Container
Les conteneurs d' Built-in algorithmes d' SageMaker intelligence artificielle sont un ensemble d'images Docker destinées à l'entraînement et au service des [algorithmes d'apprentissage automatique intégrés à l'SageMaker IA](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html). Pour voir les conteneurs d' Built-in algorithmes SageMaker AI disponibles, consultez les [chemins de registre Docker et les exemples de code](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html). Accédez à la AWS région de votre choix et parcourez les images à l'aide de la balise **(algorithme)**.
Les mises à jour des correctifs pour les images de conteneur intégrées sont des mises à jour « sur place ». Pour rester à jour avec les derniers correctifs de sécurité, nous vous recommandons de consulter la dernière version de l’image de l’algorithme intégré à l’aide de la balise image `latest`.
| Conteneur d’images | Fin du correctif |
| --- | --- |
| `blazingtext:latest` | 05/15/2024 |
| `factorization-machines:latest` | 05/15/2024 |
| `forecasting-deepar:latest` | 08/26/2025 |
| `image-classification:latest` | 05/15/2024 |
| `instance-segmentation:latest` | 05/15/2024 |
| `ipembeddings:latest` | 05/15/2024 |
| `ipinsights:latest` | 05/15/2024 |
| `kmeans:latest` | 05/15/2024 |
| `knn:latest` | 05/15/2024 |
| `linear-learner:inference-cpu-1/training-cpu-1` | 05/15/2024 |
| `linear-learner:latest` | 05/15/2024 |
| `mxnet-algorithms:training-cpu/inference-cpu` | 05/15/2024 |
| `ntm:latest` | 05/15/2024 |
| `object-detection:latest` | 05/15/2024 |
| `object2vec:latest` | 05/15/2024 |
| `pca:latest` | 05/15/2024 |
| `randomcutforest:latest` | 05/15/2024 |
| `semantic-segmentation:latest` | 05/15/2024 |
| `seq2seq:latest` | 05/15/2024 |
## Politique de support des conteneurs d’hébergement LLM
[Les conteneurs d'hébergement LLM](https://github.com/awslabs/llm-hosting-container) tels que les conteneurs HuggingFace Text Generation Inference (TGI) atteignent leur date de fin de mise à jour 30 jours après leur GitHub date de sortie.
**Important**
Nous faisons une exception en cas de mise à jour de version majeure. Par exemple, si le kit d'outils HuggingFace Text Generation Inference (TGI) est mis à jour vers TGI 2.0, nous continuons à prendre en charge la version la plus récente de TGI 1.4 pendant une période de trois mois à compter de la date de sortie. GitHub
| Conteneur Boîte à outils | Version actuelle | GitHub GA | Fin du correctif |
| --- | --- | --- | --- |
| TGI | tgi2.3.1 | 10/14/2024 | 11/14/2024 |
| TGI | optimum0.0.25 | 10/04/2024 | 11/04/2024 |
| TGI | tgi2.2.0 | 07/26/2024 | 08/30/2024 |
| TGI | tgi2.0.0 | 05/15/2024 | 08/15/2024 |
| TGI | tgi1.4.5 | 04/03/2024 | 07/03/2024 |
| TGI | tgi1.4.2 | 02/22/2024 | 03/22/2024 |
| TGI | tgi1.4.0 | 01/29/2024 | 02/29/2024 |
| TGI | tgi1.3.3 | 12/19/2023 | 01/19/2024 |
| TGI | tgi1.3.1 | 12/11/2023 | 01/11/2024 |
| TGI | tgi1.2.0 | 12/04/2023 | 01/04/2024 |
| TGI | optimum 0.0.24 | 08/23/2024 | 09/30/2024 |
| TGI | optimum 0.0.23 | 07/26/2024 | 08/30/2024 |
| TGI | optimum 0.0.21 | 05/10/2024 | 08/15/2024 |
| TGI | optimum 0.0.19 | 02/19/2024 | 03/19/2024 |
| TGI | optimum 0.0.18 | 02/01/2024 | 03/01/2024 |
| TGI | optimum 0.0.17 | 01/24/2024 | 02/24/2024 |
| TGI | optimum 0.0.16 | 01/18/2024 | 02/18/2024 |
| TEI | tei1.4.0 | 08/01/2024 | 09/01/2024 |
| TEI | tei1.2.3 | 04/26/2024 | 05/26/2024 |
## Conteneurs non pris en charge et dépréciation
Lorsqu’un conteneur arrive à la fin du correctif ou qu’il est obsolète, il ne reçoit plus de correctif de sécurité. Les conteneurs sont obsolètes lorsque des frameworks ou des algorithmes complets ne sont plus pris en charge.
Les conteneurs suivants ne sont plus pris en charge :
+ Depuis août 2024, le conteneur `forecasting-deepar` ne reçoit plus de correctifs de sécurité ni de mises à jour, car le framework MXNet sous-jacent au conteneur est en fin de maintenance.
+ Depuis avril 2024, les [conteneurs SageMaker AI Reinforcement Learning (RL)](https://github.com/aws/sagemaker-rl-container) ne sont plus pris en charge. Pour créer vos propres images RL, voir [Création de votre image](https://github.com/aws/sagemaker-rl-container#building-your-image) dans le GitHub référentiel de conteneurs SageMaker AI RL.
+ Depuis septembre 2023, JumpStart Industrie : les conteneurs financiers ne sont plus pris en charge.