适用于 Scikit-Learn 和 Spark ML 的预建亚马逊 SageMaker Docker 镜像 - Amazon SageMaker
使用 SageMaker Python 开发工具包 手动指定预构建映像
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

适用于 Scikit-Learn 和 Spark ML 的预建亚马逊 SageMaker Docker 镜像

SageMaker 提供预构建的 Docker 镜像，用于安装 scikit-learn 和 Spark ML 库。这些库还包括构建与 SageMaker 使用 Amaz SageMaker on Python 软件开发工具包兼容的 D ocker 镜像所需的依赖项。通过使用该开发工具包，您可以使用 scikit-learn 执行机器学习任务，并使用 Spark ML 创建和优化机器学习管道。有关安装和使用该开发工具包的说明，请参阅 SageMaker Python 开发工具包。

使用 SageMaker Python 开发工具包

下表包含指向 GitHub 存储库的链接，其中包含 scikit-learn 和 Spark ML 容器的源代码。该表还包含指向说明的链接，用于演示如何将这些容器与 Python SDK 估计器结合使用，以便运行自己的训练算法和托管自己的模型。

Library 预构建的 Docker 映像源代码 说明
scikit-learn

SageMaker Scikit-learn 容器

在亚马逊 Python 软件开发工具包中使用 Scikit-Learn SageMaker

Spark ML

SageMaker Spark 机器学习服务容器

SparkML Python SDK 文档

有关更多信息和 Github 存储库的链接，请参阅在亚马逊上使用 Scikit-Learn SageMaker和使用 SparkML 在亚马逊上提供服务 SageMaker。

手动指定预构建映像

如果您没有使用 SageMaker Python SDK 及其估算器之一来管理容器，则必须手动检索相关的预构建容器。 SageMaker预构建的 Docker 镜像存储在亚马逊弹性容器注册表 (Amazon ECR) Container Registry 中。您可以使用它们的全名注册表地址来推送或拉取它们。 SageMaker 在 scikit-learn 和 Spark ML 中使用以下 Docker 镜像网址模式：

  • <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

有关账户 ID 和 Amazon 区域名称，请参阅 Docker 注册表路径和示例代码。

查找可用的映像

使用以下命令找出哪些版本的映像可用。例如，使用以下命令来查找可用 ca-central-1 区域中的可用 sagemaker-sparkml-serving 映像：

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