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。

# Amazon SageMaker 映像可與 Studio Classic 筆記本搭配使用
<a name="notebooks-available-images"></a>

**重要**  
自 2023 年 11 月 30 日起，先前的 Amazon SageMaker Studio 體驗現在命名為 Amazon SageMaker Studio Classic。下節專門介紹如何使用 Studio Classic 應用程式。如需使用已更新 Studio 體驗的資訊，請參閱 [Amazon SageMaker Studio](studio-updated.md)。  
Studio Classic 仍會針對現有工作負載進行維護，但無法再用於加入。您只能停止或刪除現有的 Studio Classic 應用程式，而且無法建立新的應用程式。我們建議您[將工作負載遷移至新的 Studio 體驗](studio-updated-migrate.md)。

此頁面列出可在 Amazon SageMaker Studio Classic 中使用的 SageMaker 映像和相關聯核心。此頁面也提供為每個映像建立 ARN 所需的格式相關資訊。SageMaker 映像會包含最新的 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable)，以及最新版本的核心。如需更多資訊，請參閱[深度學習容器映像](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/deep-learning-containers-images.html)。

**Topics**
+ [映像 ARN 格式](#notebooks-available-images-arn)
+ [支援的 URI 標籤](#notebooks-available-uri-tag)
+ [支援的映像](#notebooks-available-images-supported)
+ [預定要棄用的映像](#notebooks-available-images-deprecation)
+ [已棄用的映像](#notebooks-available-images-deprecated)

## 映像 ARN 格式
<a name="notebooks-available-images-arn"></a>

下表列出每個區域的映像 ARN 和 URI 格式。若要為映像建立完整 ARN，請將 {{resource-identifier}} 預留位置取代為映像的對應資源識別碼。您可以在 SageMaker 映像和核心資料表中找到資源識別碼。若要建立映像的完整 URI，請將 {{tag}} 預留位置取代為對應的 cpu 或 gpu 標籤。如需您可以使用的標籤清單，請參閱[支援的 URI 標籤](#notebooks-available-uri-tag)。

**注意**  
SageMaker Distribution 映像使用一組不同的映像 ARN，如下表所列。


| 區域 | 映像 ARN 格式 | SageMaker Distribution 映像 ARN 格式 | SageMaker Distribution 映像 URI 格式 | 
| --- | --- | --- | --- | 
|  us-east-1  | arn:aws:sagemaker:us-east-1:081325390199:image/{{資源識別符}} | arn:aws:sagemaker:us-east-1:885854791233:image/{{資源識別符}} | 885854791233.dkr.ecr.us-east-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  us-east-2  | arn:aws:sagemaker:us-east-2:429704687514:image/{{資源識別符}} | arn:aws:sagemaker:us-east-2:137914896644:image/{{資源識別符}} | 137914896644.dkr.ecr.us-east-2.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  us-west-1  | arn:aws:sagemaker:us-west-1:742091327244:image/{{資源識別符}} | arn:aws:sagemaker:us-west-1:053634841547:image/{{資源識別符}} | 053634841547.dkr.ecr.us-west-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  us-west-2  | arn:aws:sagemaker:us-west-2:236514542706:image/{{資源識別符}} | arn:aws:sagemaker:us-west-2:542918446943:image/{{資源識別符}} | 542918446943.dkr.ecr.us-west-2.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  af-south-1  | arn:aws:sagemaker:af-south-1:559312083959:image/{{資源識別符}} | arn:aws:sagemaker:af-south-1:238384257742:image/{{資源識別符}} | 238384257742.dkr.ecr.af-south-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-east-1  | arn:aws:sagemaker:ap-east-1:493642496378:image/{{資源識別符}} | arn:aws:sagemaker:ap-east-1:523751269255:image/{{資源識別符}} | 523751269255.dkr.ecr.ap-east-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-south-1  | arn:aws:sagemaker:ap-south-1:394103062818:image/{{資源識別符}} | arn:aws:sagemaker:ap-south-1:245090515133:image/{{資源識別符}} | 245090515133.dkr.ecr.ap-south-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-northeast-2  | arn:aws:sagemaker:ap-northeast-2:806072073708:image/{{資源識別符}} | arn:aws:sagemaker:ap-northeast-2:064688005998:image/{{資源識別符}} | 064688005998.dkr.ecr.ap-northeast-2.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-southeast-1  | arn:aws:sagemaker:ap-southeast-1:492261229750:image/{{資源識別符}} | arn:aws:sagemaker:ap-southeast-1:022667117163:image/{{資源識別符}} | 022667117163.dkr.ecr.ap-southeast-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-southeast-2  | arn:aws:sagemaker:ap-southeast-2:452832661640:image/{{資源識別符}} | arn:aws:sagemaker:ap-southeast-2:648430277019:image/{{資源識別符}} | 648430277019.dkr.ecr.ap-southeast-2.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-northeast-1  |  arn:aws:sagemaker:ap-northeast-1:102112518831:image/{{資源識別符}} |  arn:aws:sagemaker:ap-northeast-1:010972774902:image/{{資源識別符}} | 010972774902.dkr.ecr.ap-northeast-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ca-central-1  | arn:aws:sagemaker:ca-central-1:310906938811:image/{{資源識別符}} | arn:aws:sagemaker:ca-central-1:481561238223:image/{{資源識別符}} | 481561238223.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  eu-central-1  | arn:aws:sagemaker:eu-central-1:936697816551:image/{{資源識別符}} | arn:aws:sagemaker:eu-central-1:545423591354:image/{{資源識別符}} | 545423591354.dkr.ecr.eu-central-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  eu-west-1  | arn:aws:sagemaker:eu-west-1:470317259841:image/{{資源識別符}} | arn:aws:sagemaker:eu-west-1:819792524951:image/{{資源識別符}} | 819792524951.dkr.ecr.eu-west-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  eu-west-2  | arn:aws:sagemaker:eu-west-2:712779665605:image/{{資源識別符}} | arn:aws:sagemaker:eu-west-2:021081402939:image/{{資源識別符}} | 021081402939.dkr.ecr.eu-west-2.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  eu-west-3  | arn:aws:sagemaker:eu-west-3:615547856133:image/{{資源識別符}} | arn:aws:sagemaker:eu-west-3:856416204555:image/{{資源識別符}} | 856416204555.dkr.ecr.eu-west-3.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  eu-north-1  | arn:aws:sagemaker:eu-north-1:243637512696:image/{{資源識別符}} | arn:aws:sagemaker:eu-north-1:175620155138:image/{{資源識別符}} | 175620155138.dkr.ecr.eu-north-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  eu-south-1  | arn:aws:sagemaker:eu-south-1:592751261982:image/{{資源識別符}} | arn:aws:sagemaker:eu-south-1:810671768855:image/{{資源識別符}} | 810671768855.dkr.ecr.eu-south-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  sa-east-1  | arn:aws:sagemaker:sa-east-1:782484402741:image/{{資源識別符}} | arn:aws:sagemaker:sa-east-1:567556641782:image/{{資源識別符}} | 567556641782.dkr.ecr.sa-east-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-northeast-3  | arn:aws:sagemaker:ap-northeast-3:792733760839:image/{{資源識別符}} | arn:aws:sagemaker:ap-northeast-3:564864627153:image/{{資源識別符}} | 564864627153.dkr.ecr.ap-northeast-3.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  ap-southeast-3  | arn:aws:sagemaker:ap-southeast-3:276181064229:image/{{資源識別符}} | arn:aws:sagemaker:ap-southeast-3:370607712162:image/{{資源識別符}} | 370607712162.dkr.ecr.ap-southeast-3.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  me-south-1  | arn:aws:sagemaker:me-south-1:117516905037:image/{{資源識別符}} | arn:aws:sagemaker:me-south-1:523774347010:image/{{資源識別符}} | 523774347010.dkr.ecr.me-south-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 
|  me-central-1  | arn:aws:sagemaker:me-central-1:103105715889:image/{{資源識別符}} | arn:aws:sagemaker:me-central-1:358593528301:image/{{資源識別符}} | 358593528301.dkr.ecr.me-central-1.amazonaws.com/sagemaker-distribution-prod:{{tag}} | 

## 支援的 URI 標籤
<a name="notebooks-available-uri-tag"></a>

以下清單顯示您可以包含在映像 URI 中的標籤。
+ 1-cpu
+ 1-gpu
+ 0-cpu
+ 0-gpu

**下列範例顯示具有各種標籤格式的 URI：**
+ 542918446943.dkr.ecr.us-west-2.amazonaws.com/sagemaker-distribution-prod:1-cpu
+ 542918446943.dkr.ecr.us-west-2.amazonaws.com/sagemaker-distribution-prod:0-gpu

## 支援的映像
<a name="notebooks-available-images-supported"></a>

下表提供可在 Amazon SageMaker Studio Classic 中使用的 SageMaker 映像和相關聯核心的相關資訊。它也提供映像中包含的資源識別碼和 Python 版本的相關資訊。

SageMaker 映像和核心


| SageMaker 映像 | 說明 | 資源識別碼 | 核心 (和識別碼) | Python 版本 | 
| --- | --- | --- | --- | --- | 
| Base Python 4.3 | 來自 DockerHub 的官方 Python 3.11 映像，內含 boto3 和 AWS CLI 。 | sagemaker-base-python-v4 | Python 3 (python3) | Python 3.11 | 
| Base Python 4.2 | 來自 DockerHub 的官方 Python 3.11 映像，內含 boto3 和 AWS CLI 。 | sagemaker-base-python-v4 | Python 3 (python3) | Python 3.11 | 
| Base Python 4.1 | 來自 DockerHub 的官方 Python 3.11 映像，內含 boto3 和 AWS CLI 。 | sagemaker-base-python-v4 | Python 3 (python3) | Python 3.11 | 
| Base Python 4.0 | 來自 DockerHub 的官方 Python 3.11 映像，內含 boto3 和 AWS CLI 。 | sagemaker-base-python-v4 | Python 3 (python3) | Python 3.11 | 
| Base Python 3.0 | 來自 DockerHub 且包含 boto3 和 AWS CLI 的官方 Python 3.10 映像。 | sagemaker-base-python-310-v1 | Python 3 (python3) | Python 3.10 | 
| Data Science 5.3 | Data Science 5.3 是以 Ubuntu 版本 jammy-20240212 為基礎的 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-v5 | Python 3 (python3) | Python 3.11 | 
| Data Science 5.2 | Data Science 5.2 是以 Ubuntu 版本 jammy-20240212 為基礎的 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-v5 | Python 3 (python3) | Python 3.11 | 
| Data Science 5.1 | Data Science 5.1 是以 Ubuntu 版本 jammy-20240212 為基礎的 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-v5 | Python 3 (python3) | Python 3.11 | 
| Data Science 5.0 | Data Science 5.0 是以 Ubuntu 版本 jammy-20240212 為基礎的 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-v5 | Python 3 (python3) | Python 3.11 | 
| Data Science 4.0 | Data Science 4.0 是以 Ubuntu 版本 22.04 為基礎的 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-311-v1 | Python 3 (python3) | Python 3.11 | 
| Data Science 3.0 | Data Science 3.0 是以 Ubuntu 版本 22.04 為基礎的 Python 3.10 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-310-v1 | Python 3 (python3) | Python 3.10 | 
| 地理空間 1.0 | Amazon SageMaker 地理空間是一個 Python 映像，由 GDAL、Fiona、GeoPandas、Shapley 以及 Rasterio 等常用的地理空間庫組成。它可讓您視覺化 SageMaker AI 內的地理空間資料。如需更多資訊，請參閱 [Amazon SageMaker 地理空間筆記本 SDK](https://docs.aws.amazon.com/sagemaker/latest/dg/geospatial-notebook-sdk.html) | sagemaker-geospatial-1.0 | Python 3 (python3) | Python 3.10 | 
| SparkAnalytics 4.3 | SparkAnalytics 4.3 映像提供 Amazon SageMaker Studio Classic 上的 Spark 和 PySpark 核心選項，包括 SparkMagic Spark、SparkMagic PySpark、Glue Spark 和 Glue PySpark，可啟用靈活的分散式資料處理。 | sagemaker-spark-analytics-v4 |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html)  | Python 3.11 | 
| SparkAnalytics 4.2 | SparkAnalytics 4.2 映像提供 Amazon SageMaker Studio Classic 上的 Spark 和 PySpark 核心選項，包括 SparkMagic Spark、SparkMagic PySpark、Glue Spark 和 Glue PySpark，可啟用靈活的分散式資料處理。 | sagemaker-spark-analytics-v4 |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html)  | Python 3.11 | 
| SparkAnalytics 4.1 | SparkAnalytics 4.1 映像提供 Amazon SageMaker Studio Classic 上的 Spark 和 PySpark 核心選項，包括 SparkMagic Spark、SparkMagic PySpark、Glue Spark 和 Glue PySpark，可啟用靈活的分散式資料處理。 | sagemaker-spark-analytics-v4 |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html)  | Python 3.11 | 
| SparkAnalytics 4.0 | SparkAnalytics 4.0 映像提供 Amazon SageMaker Studio Classic 上的 Spark 和 PySpark 核心選項，包括 SparkMagic Spark、SparkMagic PySpark、Glue Spark 和 Glue PySpark，可啟用靈活的分散式資料處理。 | sagemaker-spark-analytics-v4 |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html)  | Python 3.11 | 
| SparkAnalytics 3.0 | SparkAnalytics 3.0 映像提供 Amazon SageMaker Studio Classic 上的 Spark 和 PySpark 核心選項，包括 SparkMagic Spark、SparkMagic PySpark、Glue Spark 和 Glue PySpark，可啟用靈活的分散式資料處理。 | sagemaker-sparkanalytics-311-v1 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.11 | 
| Spark | Anaconda Individual Edition 以及 PySpark 和 Spark 核心。如需更多資訊，請參閱 [sparkmagic](https://github.com/jupyter-incubator/sparkmagic)。 | sagemaker-sparkanalytics-310-v1 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.10 | 
| PyTorch 2.4.0 Python 3.11 CPU 最佳化 | 適用於 PyTorch 2.4.0 搭配 CUDA 12.4 的 AWS 深度學習容器包含可在 CPU 上進行訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.4.0-cpu-py311 | Python 3 (python3) | Python 3.11 | 
| PyTorch 2.4.0 Python 3.11 GPU 最佳化 | 適用於 PyTorch 2.4.0 搭配 CUDA 12.4 的 AWS 深度學習容器包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.4.0-gpu-py311 | Python 3 (python3) | Python 3.11 | 
| PyTorch 2.3.0 Python 3.11 CPU 最佳化 | 適用於 PyTorch 2.3.0 搭配 CUDA 12.1 的 AWS 深度學習容器包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.3.0-cpu-py311 | Python 3 (python3) | Python 3.11 | 
| PyTorch 2.3.0 Python 3.11 GPU 最佳化 | 適用於 PyTorch 2.3.0 搭配 CUDA 12.1 的 AWS Deep Learning Containers 包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.3.0-gpu-py311 | Python 3 (python3) | Python 3.11 | 
| PyTorch 2.2.0 Python 3.10 CPU 最佳化 | 適用於 PyTorch 2.2 搭配 CUDA 12.1 的 AWS Deep Learning Containers 包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.2.0-cpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 2.2.0 Python 3.10 GPU 最佳化 | 適用於 PyTorch 2.2 搭配 CUDA 12.1 的 AWS 深度學習容器包含可在 GPU 上進行訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.2.0-gpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 2.1.0 Python 3.10 CPU 最佳化 | 適用於 PyTorch 2.1 搭配 CUDA 12.1 的 AWS Deep Learning Containers 包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.1.0-cpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 2.1.0 Python 3.10 GPU 最佳化 | 適用於 PyTorch 2.1 搭配 CUDA 12.1 的 AWS Deep Learning Containers 包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.1.0-gpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 1.13 HuggingFace Python 3.10 Neuron 最佳化 | 已安裝 HuggingFace 和 Neuron 套件的 PyTorch 1.13 映像，可在 Trainium 執行個體上進行訓練，針對效能和在 AWS上擴展進行最佳化。 | pytorch-1.13-hf-neuron-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 1.13 Python 3.10 Neuron 最佳化 | 已安裝 Neuron 套件的 PyTorch 1.13 映像，可在 Trainium 執行個體上進行訓練，針對效能和在 AWS上擴展進行最佳化。 | pytorch-1.13-neuron-py310 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.14.0 Python 3.10 CPU 最佳化 | 適用於 TensorFlow 的 AWS 深度學習容器 2.14 搭配 CUDA 11.8 包含在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.14.1-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.14.0 Python 3.10 GPU 最佳化 | 適用於 TensorFlow 2.14 搭配 CUDA 11.8 的 AWS 深度學習容器包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.14.1-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 | Python 3 (python3) | Python 3.10 | 

## 預定要棄用的映像
<a name="notebooks-available-images-deprecation"></a>

SageMaker AI 會在映像中的任何套件到達其發布者生命週期結束後的第二天結束對映像的支援。下列 SageMaker 映像已預定要取代。

以 Python 3.8 為基礎的映像已於 2024 年 10 月 31 日[結束生命週期](https://endoflife.date/python)。從 2024 年 11 月 1 日起，SageMaker AI 將停止對這些映像的支援，而且無法從 Studio Classic 使用者介面選取這些映像。為了避免不合規問題，如果您使用任何這些映像檔，建議您移至使用較新版本的映像檔。

預定要取代的 SageMaker 映像


| SageMaker 映像 | 取代日期 | 說明 | 資源識別碼 | 核心 | Python 版本 | 
| --- | --- | --- | --- | --- | --- | 
| SageMaker Distribution v0.12 CPU | 2024 年 11 月 1 日 | SageMaker Distribution v0 CPU是一個 Python 3.8 映像，其中包含用於機器學習，資料科學和 CPU 上的視覺化的熱門架構。這包含深度學習架構，如 PyTorch、TensorFlow 和 Keras；常見的 Python 套件，如 numpy、scikit-learn 和 pandas；以及 IDE，如 Jupyter Lab。如需更多資訊，請參閱 [Amazon SageMaker AI Distribution](https://github.com/aws/sagemaker-distribution) 儲存庫。 | sagemaker-distribution-cpu-v0 | Python 3 (python3) | Python 3.8 | 
| SageMaker Distribution v0.12 GPU | 2024 年 11 月 1 日 | SageMaker Distribution v0 GPU是一個 Python 3.8 映像，其中包含用於 GPU 上的機器學習，資料科學和視覺化的流行架構。這包含深度學習架構，如 PyTorch，TensorFlow 和 Keras; 流行的 Python 軟件包，如麻木，科學小熊學習和熊貓; 以及像 Jupyter 實驗室這樣的 IDE。如需更多資訊，請參閱 [Amazon SageMaker AI Distribution](https://github.com/aws/sagemaker-distribution) 儲存庫。 | sagemaker-distribution-gpu-v0 | Python 3 (python3) | Python 3.8 | 
| Base Python 2.0 | 2024 年 11 月 1 日 | 來自 DockerHub 且包含 boto3 和 AWS CLI 的官方 Python 3.8 映像。 | sagemaker-base-python-38 | Python 3 (python3) | Python 3.8 | 
| Data Science 2.0 | 2024 年 11 月 1 日 | Data Science 2.0 是以 Ubuntu 版本 22.04 為基礎的 Python 3.8 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像。它包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | sagemaker-data-science-38 | Python 3 (python3) | Python 3.8 | 
| PyTorch 1.13 Python 3.9 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 1.13 搭配 CUDA 11.3 的 AWS Deep Learning Containers 包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-1.13-cpu-py39 | Python 3 (python3) | Python 3.9 | 
| PyTorch 1.13 Python 3.9 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 1.13 搭配 CUDA 11.7 的 AWS Deep Learning Containers 包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-1.13-gpu-py39 | Python 3 (python3) | Python 3.9 | 
| PyTorch 1.12 Python 3.8 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 1.12 搭配 CUDA 11.3 的 AWS Deep Learning Containers 包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱[適用於 PyTorch 1.12.0 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-12-0-on-sagemaker/)。 | pytorch-1.12-cpu-py38 | Python 3 (python3) | Python 3.8 | 
| PyTorch 1.12 Python 3.8 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 1.12 搭配 CUDA 11.3 的 AWS Deep Learning Containers 包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱[適用於 PyTorch 1.12.0 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-12-0-on-sagemaker/)。 | pytorch-1.12-gpu-py38 | Python 3 (python3) | Python 3.8 | 
| PyTorch 1.10 Python 3.8 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 1.10 的 AWS Deep Learning Containers 包含可在 CPU 上進行訓練的容器，已針對效能進行最佳化，並在 上進行擴展 AWS。如需更多資訊，請參閱 [SageMaker AI 上適用於 PyTorch 1.10.2 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-10-2-on-sagemaker/)。 | pytorch-1.10-cpu-py38 | Python 3 (python3) | Python 3.8 | 
| PyTorch 1.10 Python 3.8 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 1.10 搭配 CUDA 11.3 的 AWS Deep Learning Containers 包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [SageMaker AI 上適用於 PyTorch 1.10.2 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-10-2-on-sagemaker/)。 | pytorch-1.10-gpu-py38 | Python 3 (python3) | Python 3.8 | 
| SparkAnalytics 1.0 | 2024 年 11 月 1 日 | Anaconda Individual Edition 以及 PySpark 和 Spark 核心。如需更多資訊，請參閱 [sparkmagic](https://github.com/jupyter-incubator/sparkmagic)。 | sagemaker-sparkanalytics-v1 |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html)  | Python 3.8 | 
| TensorFlow 2.13.0 Python 3.10 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.13 搭配 CUDA 11.8 的 AWS 深度學習容器包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需詳細資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.13.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.13.0 Python 3.10 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.13 搭配 CUDA 11.8 的 AWS 深度學習容器包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.6 Python 3.8 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.6 的 AWS 深度學習容器包括在 CPU 上進行訓練的容器，已針對效能進行最佳化，並在 上進行擴展 AWS。如需更多資訊，請參閱適[用於 TensorFlow 2.6 的AWS Deep Learning Contain](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-6/) ers。 | tensorflow-2.6-cpu-py38-ubuntu20.04-v1 | Python 3 (python3) | Python 3.8 | 
| TensorFlow 2.6 Python 3.8 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.6 搭配 CUDA 11.2 的 AWS 深度學習容器包含可在 GPU 上進行訓練的容器，並針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱[適用於 TensorFlow 2.6 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-6/)。 | tensorflow-2.6-gpu-py38-cu112-ubuntu20.04-v1 | Python 3 (python3) | Python 3.8 | 
| PyTorch 2.0.1 Python 3.10 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 2.0.1 搭配 CUDA 12.1 的 AWS Deep Learning Containers 包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.0.1-cpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 2.0.1 Python 3.10 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 2.0.1 搭配 CUDA 12.1 的 AWS Deep Learning Containers 包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.0.1-gpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 2.0.0 Python 3.10 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 的 AWS 深度學習容器 2.0.0 包含用於在 CPU 上訓練的容器，針對效能和在 上擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.0.0-cpu-py310 | Python 3 (python3) | Python 3.10 | 
| PyTorch 2.0.0 Python 3.10 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 PyTorch 2.0.0 搭配 CUDA 11.8 的 AWS 深度學習容器包含可在 GPU 上進行訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | pytorch-2.0.0-gpu-py310 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.12.0 Python 3.10 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.12.0 搭配 CUDA 11.2 的 AWS 深度學習容器包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.12.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.12.0 Python 3.10 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 的 AWS 深度學習容器 2.12.0 搭配 CUDA 11.8 包含在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1 | Python 3 (python3) | Python 3.10 | 
| TensorFlow 2.11.0 Python 3.9 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.11.0 搭配 CUDA 11.2 的 AWS 深度學習容器包含可在 CPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.11.0-cpu-py39-ubuntu20.04-sagemaker-v1.1 | Python 3 (python3) | Python 3.9 | 
| TensorFlow 2.11.0 Python 3.9 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.11.0 搭配 CUDA 11.2 的 AWS 深度學習容器包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker-v1.1 | Python 3 (python3) | Python 3.9 | 
| TensorFlow 2.10 Python 3.9 CPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.10 搭配 CUDA 11.2 的 AWS 深度學習容器包含可在 CPU 上進行訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.10.1-cpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3 (python3) | Python 3.9 | 
| TensorFlow 2.10 Python 3.9 GPU 最佳化 | 2024 年 11 月 1 日 | 適用於 TensorFlow 2.10 搭配 CUDA 11.2 的 AWS 深度學習容器包含可在 GPU 上進行訓練的容器，並針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱 [Deep Learning Containers 的版本備註](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)。 | tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3 (python3) | Python 3.9 | 

## 已棄用的映像
<a name="notebooks-available-images-deprecated"></a>

SageMaker AI 已結束對下列映像的支援。棄用會在映像中的任何套件達到其發布者生命週期結束的那天發生。

預定要取代的 SageMaker 映像


| SageMaker 映像 | 取代日期 | 說明 | 資源識別碼 | 核心 | Python 版本 | 
| --- | --- | --- | --- | --- | --- | 
| 資料科學 | 2023 年 10 月 30 日 | Data Science 是 Python 3.7 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 映像，包含最常用的 Python 套件和程式庫，例如 NumPy 和 SciKit Learn。 | datascience-1.0 | Python 3 | Python 3.7 | 
| SageMaker JumpStart Data Science 1.0 | 2023 年 10 月 30 日 | SageMaker JumpStart Data Science 1.0 是包含常用套件和程式庫的 SageMaker JumpStart 映像。 | sagemaker-jumpstart-data-science-1.0 | Python 3 | Python 3.7 | 
| SageMaker MXNet 1.0 | 2023 年 10 月 30 日 | SageMaker JumpStart MXNet 1.0 是包含 MXNet 的 JumpStart 映像。 | sagemaker-jumpstart-mxnet-1.0 | Python 3 | Python 3.7 | 
| SageMaker PyTorch 1.0 | 2023 年 10 月 30 日 | SageMaker JumpStart PyTorch 1.0 是包含 PyTorch 的 JumpStart 映像。 | sagemaker-jumpstart-pytorch-1.0 | Python 3 | Python 3.7 | 
| SageMaker SateTensorFlow 1.0 | 2023 年 10 月 30 日 | SageMaker JumpStart TensorFlow 1.0 是包含 TensorFlow 的 JumpStart 映像。 | sagemaker-jumpstart-tensorflow-1.0 | Python 3 | Python 3.7 | 
| SparkMagic | 2023 年 10 月 30 日 | Anaconda Individual Edition 以及 PySpark 和 Spark 核心。如需更多資訊，請參閱 [sparkmagic](https://github.com/jupyter-incubator/sparkmagic)。 | sagemaker-sparkmagic |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/notebooks-available-images.html)  | Python 3.7 | 
| TensorFlow 2.3 Python 3.7 CPU 最佳化 | 2023 年 10 月 30 日 | 適用於 TensorFlow 的 AWS 深度學習容器 2.3 包含用於在 CPU 上訓練的容器，針對效能和在 上擴展進行最佳化 AWS。如需更多資訊，請參閱[搭配 TensorFlow 2.3.0 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-with-tensorflow-2-3-0/)。 | tensorflow-2.3-cpu-py37-ubuntu18.04-v1 | Python 3 | Python 3.7 | 
| TensorFlow 2.3 Python 3.7 GPU 最佳化 | 2023 年 10 月 30 日 | 適用於 TensorFlow 2.3 搭配 CUDA 11.0 的 AWS 深度學習容器包含可在 GPU 上進行訓練的容器，並針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱[適用於 TensorFlow 2.3.1 搭載 CUDA 11.0 的AWS Deep Learning Containers](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-3-1-with-cuda-11-0/)。 | tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 | Python 3 | Python 3.7 | 
| TensorFlow 1.15 Python 3.7 CPU 最佳化 | 2023 年 10 月 30 日 | 適用於 TensorFlow 1.15 的 AWS 深度學習容器包含用於在 CPU 上訓練的容器，已針對效能進行最佳化，並在 上擴展 AWS。如需更多資訊，請參閱[適用於 TensorFlow 的AWS Deep Learning Containers 7.0 版](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-v7-0-for-tensorflow/)。 | tensorflow-1.15-cpu-py37-ubuntu18.04-v7 | Python 3 | Python 3.7 | 
| TensorFlow 1.15 Python 3.7 GPU 最佳化 | 2023 年 10 月 30 日 | 適用於 TensorFlow 1.15 搭配 CUDA 11.0 的 AWS 深度學習容器包含可在 GPU 上訓練的容器，針對效能和擴展進行最佳化 AWS。如需更多資訊，請參閱[適用於 TensorFlow 的AWS Deep Learning Containers 7.0 版](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-v7-0-for-tensorflow/)。 | tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 | Python 3 | Python 3.7 |