本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

用于深度学习的预构建 SageMaker AI Docker 映像

Amazon SageMaker AI 提供了预构建的 Docker 映像，其中包括深度学习框架以及训练和推理所需的其它依赖项。有关由 SageMaker AI 管理的预构建 Docker 映像的完整列表，请参阅 Docker Registry Paths and Example Code。

使用 SageMaker AI Python SDK

借助 SageMaker Python 开发工具包，您可以使用这些流行的深度学习框架训练和部署模型。有关安装和使用该 SDK 的说明，请参阅 Amazon SageMaker Python SDK。下表列出了可用框架以及如何将它们与 SageMaker Python SDK 结合使用的说明：

扩展预构建 SageMaker AI Docker 映像

您可以根据需要自定义或扩展这些预构建容器。通过这种自定义，您可以处理预构建的 SageMaker AI Docker 映像不支持的算法或模型的任何额外功能要求。有关这方面的示例，请参阅 Fine-tuning and deploying a BERTopic model on SageMaker AI with your own scripts and dataset, by extending existing PyTorch containers。

您可以使用预构建的容器部署自定义模型或已在 SageMaker AI 之外的框架中训练的模型。有关此过程的概述，请参阅将您自己的预训练 MXNet 或 TensorFlow 模型引入 Amazon SageMaker。本教程包括将经过训练的模型构件引入 SageMaker AI 并在端点上托管它们。