Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Accesso a immagini Docker per Scikit-learn e Spark ML
<a name="pre-built-docker-containers-scikit-learn-spark"></a>

SageMaker L'intelligenza artificiale fornisce immagini Docker predefinite che installano le librerie scikit-learn e Spark ML. Queste librerie includono anche le dipendenze necessarie per creare immagini Docker compatibili con l' SageMaker intelligenza artificiale utilizzando l'SDK Amazon [Python SageMaker ](https://sagemaker.readthedocs.io/en/stable). L’SDK consente di utilizzare scikit-learn per le attività di machine learning e Spark ML per creare e ottimizzare le pipeline di machine learning. Per istruzioni sull'installazione e l'utilizzo dell'SDK, consulta [SageMaker Python SDK](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk). 

Puoi anche accedere alle immagini da un repository Amazon ECR nel tuo ambiente.

Utilizza i seguenti comandi per scoprire quali versioni delle immagini sono disponibili. Ad esempio, utilizza quanto segue per trovare l'immagine `sagemaker-sparkml-serving` disponibile nella Regione `ca-central-1`:

```
aws \
    ecr describe-images \
    --region ca-central-1 \
    --registry-id 341280168497 \
    --repository-name sagemaker-sparkml-serving
```

## Accesso a un'immagine dall' SageMaker SDK AI Python
<a name="pre-built-docker-containers-scikit-learn-spark-sdk"></a>

La tabella seguente contiene i collegamenti ai GitHub repository con il codice sorgente per i contenitori scikit-learn e Spark ML. La tabella contiene anche link a istruzioni che mostrano come utilizzare questi container con gli strumenti di valutazione Python SDK per eseguire i propri algoritmi di addestramento e ospitare i propri modelli. 


| Libreria | Codice sorgente dell'immagine Docker predefinita | Istruzioni | 
| --- | --- | --- | 
| scikit-learn | [SageMaker Contenitori AI Scikit-learn](https://github.com/aws/sagemaker-scikit-learn-container) | [Usare Scikit-learn con l'SDK Amazon Python SageMaker ](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html) | 
| Spark ML | [SageMaker Contenitori di servizio AI Spark ML](https://github.com/aws/sagemaker-sparkml-serving-container) | [Documentazione di SparkML Python SDK](https://sagemaker.readthedocs.io/en/stable/sagemaker.sparkml.html) | 

Per ulteriori informazioni e link ai repository github, consulta [Risorse per usare Scikit-learn con Amazon AI SageMaker](sklearn.md) e [Risorse per l'utilizzo di SparkML Serving con Amazon AI SageMaker](sparkml-serving.md).

## Specificazione manuale delle immagini predefinite
<a name="pre-built-containers-scikit-learn-manual"></a>

Se non stai utilizzando SageMaker Python SDK e uno dei suoi estimatori per gestire il contenitore, devi recuperare manualmente il contenitore precostruito pertinente. Le immagini Docker predefinite SageMaker AI sono archiviate in Amazon Elastic Container Registry (Amazon ECR). Puoi inviarle o estrarle utilizzando i loro nomi completi, gli indirizzi di registro. SageMaker L'intelligenza artificiale utilizza i seguenti pattern di URL di Docker Image per scikit-learn e Spark ML:
+ `{{<ACCOUNT_ID>}}.dkr.ecr.{{<REGION_NAME>}}.amazonaws.com/sagemaker-scikit-learn:{{<SCIKIT-LEARN_VERSION>}}-cpu-py{{<PYTHON_VERSION>}}`

  Ad esempio, `{{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>}}`

  Ad esempio, `{{341280168497}}.dkr.ecr.{{ca-central-1}}.amazonaws.com/{{sagemaker-sparkml-serving:2.4}}`

Per i nomi degli account IDs e delle AWS regioni, consulta [Docker](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths) Registry Paths and Example Code.