View a markdown version of this page

Defina o ambiente para seu script de algoritmo - Amazon Braket

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Defina o ambiente para seu script de algoritmo

O Amazon Braket oferece suporte a ambientes definidos por contêineres para seu script de algoritmo:

  • Um contêiner base (o padrão, se nenhum image_uri for especificado)

  • Um contêiner com CUDA-Q

  • Um contêiner com TensorFlow e PennyLane

  • Um contêiner com PyTorch, PennyLane, e CUDA-Q

A tabela a seguir fornece detalhes sobre os contêineres e as bibliotecas que eles incluem.

Contêineres Amazon Braket
Tipo Base CUDA-Q TensorFlow PyTorch

URI da imagem

292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-base-jobs: mais recentes

292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-cudaq-jobs: mais recentes

292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-tensorflow-jobs: mais recentes

292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-pytorch-jobs: mais recentes

Imagem base

public.ecr. aws/lts/ubuntu: 24,04

public.ecr. aws/lts/ubuntu: 24,04

AWS Treinamento de fluxo de tensor do Deep Learning Container: 2.19.0-gpu-py312-cu125-ubuntu22.04

AWS Treinamento pytorch do contêiner de aprendizado profundo: 2.8.0-gpu-py312-cu129-ubuntu22.04

Versão do Python

3,12

3,12

3,12

3,12

Pacotes pré-instalados

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • awscli

  • boto3

  • botocore

  • dask

  • matplotlib

  • mpi4py

  • numpy

  • pandas

  • centavo

  • relâmpago de um centavo

  • qiskit

  • qiskit-braket-provider

  • sagemaker-training

  • scikit-learn

  • scipy

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • awscli

  • boto3

  • botocore

  • cuda-quantum-cu12

  • cudaq-qec-cu12

  • cudaq-solvers-cu12

  • dask

  • matplotlib

  • mpi4py

  • numpy

  • pandas

  • centavo

  • relâmpago de um centavo

  • qiskit

  • qiskit-braket-provider

  • sagemaker-training

  • scikit-learn

  • scipy

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • awscli

  • boto3

  • botocore

  • dask

  • h5py

  • ipykernel

  • jupyterlab

  • matplotlib

  • caderno

  • numpy

  • férmion aberto

  • pandas

  • pennylane

  • relâmpago de um centavo

  • pidântico

  • sagemaker-training

  • scikit-learn

  • scipy

  • tensorflow

  • amazon-braket-default-simulator

  • amazon-braket-pennylane-plugin

  • amazon-braket-schemas

  • amazon-braket-sdk

  • awscli

  • boto3

  • botocore

  • cuda-quantum-cu12

  • cudaq-qec-cu12

  • cudaq-solvers-cu12

  • dask

  • h5py

  • ipykernel

  • matplotlib

  • numpy

  • férmion aberto

  • pandas

  • pennylane

  • relâmpago de um centavo [gpu]

  • pidântico

  • sagemaker-training

  • scikit-learn

  • scipy

  • lanterna

Você pode visualizar e acessar as definições de contêineres de código aberto em amazon- braket/amazon -braket-containers em. GitHub Escolha o contêiner que corresponde ao seu caso de uso. Você pode usar qualquer uma das AWS regiões disponíveis em Braket (us-east-1, us-west-1, us-west-2, eu-north-1, eu-west-2), mas a região do contêiner deve corresponder à região do seu trabalho híbrido. Especifique a imagem do contêiner ao criar um trabalho híbrido adicionando um dos quatro argumentos a seguir à sua create(…​) chamada no script de trabalho híbrido. Você pode instalar dependências adicionais no contêiner escolhido em runtime (ao custo da inicialização ou do runtime) porque os contêineres do Amazon Braket têm conectividade com a internet. O exemplo a seguir refere-se à região us-west-2.

  • Imagem base: image_uri="292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-base-jobs: mais recentes”

  • CUDA-Q imagem: image_uri="292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-cudaq-jobs: mais recentes”

  • TensorFlow imagem: image_uri="292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-tensorflow-jobs: mais recentes”

  • PyTorch imagem: image_uri="292282985366.dkr.ecr.us-west-2.amazonaws. com/amazon-braket-pytorch-jobs: mais recentes”

A image-uris pode ser recuperada usando a função retrieve_image() no SDK do Amazon Braket. O exemplo a seguir mostra como recuperá-los do Região da AWS us-west-2.

from braket.jobs.image_uris import retrieve_image, Framework

image_uri_base = retrieve_image(Framework.BASE, "us-west-2")
image_uri_cudaq = retrieve_image(Framework.CUDAQ, "us-west-2")
image_uri_tf = retrieve_image(Framework.PL_TENSORFLOW, "us-west-2")
image_uri_pytorch = retrieve_image(Framework.PL_PYTORCH, "us-west-2")