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.

Acessar Imagens do Docker para Scikit-learn e SparkML

O SageMaker AI oferece imagens do Docker predefinidas que instalam as bibliotecas scikit-learn e Spark ML. Essas bibliotecas também incluem as dependências necessárias para criar imagens do Docker compatíveis com o SageMaker AI usando o Amazon SageMaker Python SDK. Com o SDK, você pode usar o scikit-learn para tarefas de machine learning e o SparkML para criar e ajustar pipelines de machine learning. Para obter instruções sobre como instalar e usar o SDK, consulte Python SDK do SageMaker.

Você também pode acessar as imagens de um repositório Amazon ECR em seu próprio ambiente.

Use os seguintes comandos para descobrir quais versões das imagens estão disponíveis: Por exemplo, use o seguinte para encontrar a imagem sagemaker-sparkml-serving disponível na região ca-central-1:

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

Acessar uma imagem do SageMaker AI Python SDK

A tabela a seguir contém links para os repositórios do GitHub com o código-fonte dos contêineres scikit-learn e Spark ML. A tabela também contém links para instruções que mostram como usar esses contêineres com os estimadores do Python SDK para executar seus próprios algoritmos de treinamento e hospedar seus próprios modelos.

Para obter mais informações e links para os repositórios do github, consulte Recursos para usar o Scikit-learn com a Amazon AI SageMaker e Recursos para usar o SparkML Serving com a Amazon AI SageMaker.

Especificar manualmente as imagens pré-compiladas

Se não estiver usando o Python SDK do SageMaker e um de seus estimadores para gerenciar o contêiner, você precisará recuperar manualmente o contêiner correspondente predefinido. As imagens do Docker predefinidas do SageMaker AI são armazenadas no Amazon Elastic Container Registry (Amazon ECR). Elas podem ser enviadas ou recebidas usando seus endereços de registro. O SageMaker AI usa os seguintes padrões de URL de imagem do Docker para Scikit-learn e Spark ML:

Para IDs de contas e nomes de regiões da AWS, consulte Caminhos de registro e código de exemplo do Docker.