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。

# 存取 Scikit-learn 和 Spark ML 的 Docker 映像
<a name="pre-built-docker-containers-scikit-learn-spark"></a>

SageMaker AI 提供預先建置的 Docker 映像，用於安裝 scikit-learn 和 Spark ML 程式庫。這些程式庫也包含使用 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) 建置與 SageMaker AI 相容的 Docker 映像所需的相依項。透過此 SDK，您可以使用 scikit-learn 來執行機器學習任務，並使用 Spark ML 來建立和調整機器學習管道。如需有關安裝和使用此 SDK 的指示，請參閱 [SageMaker Python SDK](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk)。

您也可以從自有環境的 Amazon ECR 儲存庫存取映像。

使用以下命令來尋找可用的映像版本。例如，使用下列指令尋找 `ca-central-1` 區域中的可用 `sagemaker-sparkml-serving` 映像：

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

## 從 SageMaker AI Python SDK 存取映像
<a name="pre-built-docker-containers-scikit-learn-spark-sdk"></a>

下表包含 GitHub 儲存庫的連結，其中包含 scikit-learn 和 Spark ML 容器的原始程式碼。此表格也包含各項指示的連結，說明如何將這些容器與 Python SDK 估算器搭配使用，以執行您自有的訓練演算法並託管您自有的模型。


| 程式庫 | 預先建置的 Docker 映像原始程式碼 | 指示 | 
| --- | --- | --- | 
| scikit-learn |  [SageMaker AI Scikit-learn 容器](https://github.com/aws/sagemaker-scikit-learn-container)  |  [搭配 Amazon SageMaker Python SDK 使用 Scikit-learn](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html)  | 
| Spark ML |  [SageMaker AI Spark ML 服務容器](https://github.com/aws/sagemaker-sparkml-serving-container)  |  [SparkML Python SDK 文件](https://sagemaker.readthedocs.io/en/stable/sagemaker.sparkml.html)  | 

有關 GitHub 儲存庫的更多資訊和連結，請參閱[使用 Scikit-learn 搭配 Amazon SageMaker AI 的資源](sklearn.md)和[使用 SparkML Serving 搭配 Amazon SageMaker AI 的資源](sparkml-serving.md)。

## 手動指定預先建置的映像
<a name="pre-built-containers-scikit-learn-manual"></a>

如果您不是使用 SageMaker Python SDK 及其估算器之一來管理容器，則必須手動擷取相關的預先建置容器。SageMaker AI 預先建置的 Docker 映像存放在 Amazon Elastic Container Registry (Amazon ECR) 中。您可以使用其全名登錄地址來推送或提取。SageMaker AI 針對 scikit-learn 和 Spark ML 使用以下 Docker 映像 URL 模式：
+ `<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-scikit-learn:<SCIKIT-LEARN_VERSION>-cpu-py<PYTHON_VERSION>`

  例如 `746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-scikit-learn:1.2-1-cpu-py3`
+ `<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-sparkml-serving:<SPARK-ML_VERSION>`

  例如 `341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4`

如需帳戶 IDs和 AWS 區域名稱，請參閱 [Docker 登錄檔路徑和範例程式碼](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths)。