本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 自訂訓練任務
<a name="custom-training-jobs"></a>

在 上 AWS，Amazon Rekognition、Amazon Rekognition 自訂標籤、SageMaker AI Canvas 和 SageMaker AI 預期會處理訓練影像分類端點的大多數案例。對於需要對容器屬性進行更多控制的訓練任務，您可以在 [Amazon Elastic Container Service (Amazon ECS)](https://docs.aws.amazon.com/AmazonECS/latest/developerguide/Welcome.html) 或 [Amazon Elastic Kubernetes Service (Amazon EKS)](https://docs.aws.amazon.com/eks/latest/userguide/what-is-eks.html) 上部署 ML 模型。

以下是需要進一步控制容器屬性的情況範例：
+ 您有一個模型會載入個別版本的多個模型成品。例如，您可以載入句子內嵌模型，該模型用於饋送在內嵌訓練的個別版本化多層感知器分類器。
+ 您有一個不使用或需要模型成品的端點。一個案例是叢集端點，它接受資料承載並傳回叢集標籤。這仍然可以透過 SageMaker AI 提供，但您需要提供虛擬 Amazon Simple Storage Service (Amazon S3) 成品路徑，因為每個 SageMaker AI 模型都必須有相關聯的成品。
+ 您想要使用 SageMaker AI 不支援的 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體類型。如果您想要使用不適用於 SageMaker AI 端點的執行個體類型，通常出於成本或效能原因，您可以使用 Amazon ECS 或 Amazon EKS 使用任何 Amazon EC2 執行個體類型。