Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Kompatibilitas gambar kontainer
<a name="train-remote-decorator-container"></a>

Tabel berikut menunjukkan daftar gambar SageMaker pelatihan yang kompatibel dengan dekorator @remote.


| Nama | Versi Python | URI Gambar - CPU | URI Gambar - GPU | 
| --- | --- | --- | --- | 
| Ilmu Data | 3.7 (py37) | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | 
| Ilmu Data 2.0 | 3.8 (py38) | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | 
| Ilmu Data 3.0 | 3.10 (py310) | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | 
| Dasar Python 2.0 | 3.8 (py38) | Python SDK memilih gambar ini ketika mendeteksi bahwa lingkungan pengembangan menggunakan runtime Python 3.8. Jika tidak, Python SDK secara otomatis memilih gambar ini saat digunakan sebagai gambar kernel SageMaker Studio Classic Notebook | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel SageMaker Studio Classic Notebook. | 
| Dasar Python 3.0 | 3.10 (py310) | Python SDK memilih gambar ini ketika mendeteksi bahwa lingkungan pengembangan menggunakan runtime Python 3.8. Jika tidak, Python SDK secara otomatis memilih gambar ini saat digunakan sebagai gambar kernel SageMaker Studio Classic Notebook | Hanya untuk SageMaker Studio Classic Notebook. Python SDK secara otomatis memilih URI gambar saat digunakan sebagai image kernel Studio Classic Notebook. | 
| DLC- TensorFlow 2.12.0 untuk Pelatihan 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 untuk pelatihan 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- TensorFlow 2.10.1 untuk pelatihan 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 untuk pelatihan 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 untuk pelatihan 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 untuk pelatihan 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 untuk pelatihan 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- PyTorch 1.12.1 untuk pelatihan 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- PyTorch 1.11.0 untuk pelatihan 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- MXNet 1.9.0 untuk pelatihan 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 | 

**catatan**  
[Untuk menjalankan pekerjaan secara lokal menggunakan gambar AWS Deep Learning Containers (DLC), gunakan gambar yang URIs ditemukan dalam dokumentasi DLC.](https://github.com/aws/deep-learning-containers/blob/master/available_images.md) Gambar DLC tidak mendukung `auto_capture` nilai dependensi.  
Pekerjaan dengan [Distribusi SageMaker AI di SageMaker Studio](https://github.com/aws/sagemaker-distribution#amazon-sagemaker-studio) berjalan dalam wadah sebagai pengguna non-root bernama`sagemaker-user`. Pengguna ini membutuhkan izin penuh untuk mengakses `/opt/ml` dan`/tmp`. Berikan izin ini dengan menambahkan `sudo chmod -R 777 /opt/ml /tmp` ke `pre_execution_commands` daftar, seperti yang ditunjukkan pada cuplikan berikut:  

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

Anda juga dapat menjalankan fungsi jarak jauh dengan gambar khusus Anda. Untuk kompatibilitas dengan fungsi jarak jauh, gambar khusus harus dibuat dengan Python versi 3.7.x-3.10.x. Berikut ini adalah contoh Dockerfile minimal yang menunjukkan cara menggunakan image Docker dengan Python 3.10.

```
FROM python:3.10

#... Rest of the Dockerfile
```

Untuk membuat `conda` lingkungan dalam gambar Anda dan menggunakannya untuk menjalankan pekerjaan, atur variabel lingkungan `SAGEMAKER_JOB_CONDA_ENV` ke nama `conda` lingkungan. Jika gambar Anda memiliki `SAGEMAKER_JOB_CONDA_ENV` nilai yang ditetapkan, fungsi jarak jauh tidak dapat membuat lingkungan conda baru selama runtime pekerjaan pelatihan. Lihat contoh Dockerfile berikut yang menggunakan `conda` lingkungan dengan Python versi 3.10.

```
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 \
```

Agar SageMaker AI dapat menggunakan [mamba](https://mamba.readthedocs.io/en/latest/user_guide/mamba.html) untuk mengelola lingkungan virtual Python Anda di image container, instal toolkit [mamba dari](https://github.com/conda-forge/miniforge) miniforge. Untuk menggunakan mamba, tambahkan contoh kode berikut ke Dockerfile Anda. Kemudian, SageMaker AI akan mendeteksi `mamba` ketersediaan saat runtime dan menggunakannya sebagai gantinya. `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
```

Menggunakan saluran conda khusus pada bucket Amazon S3 tidak kompatibel dengan mamba saat menggunakan fungsi jarak jauh. Jika Anda memilih untuk menggunakan mamba, pastikan Anda tidak menggunakan saluran conda khusus di Amazon S3. Untuk informasi selengkapnya, lihat bagian **Prasyarat** di bawah **Repositori conda kustom menggunakan Amazon** S3.

Berikut ini adalah contoh Dockerfile lengkap yang menunjukkan cara membuat image Docker yang kompatibel.

```
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
```

 Gambar yang dihasilkan dari menjalankan contoh Dockerfile sebelumnya juga dapat digunakan sebagai image [kernel SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-byoi.html).