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。

# 内置算法的参数
<a name="common-info-all-im-models"></a>

下表列出了 Amazon A SageMaker I 提供的每种算法的参数。


| 算法名称 | 渠道名称 | 训练输入模式 | 文件类型 | 实例类 | 可并行化 | 
| --- | --- | --- | --- | --- | --- | 
| AutoGluon-表格 | 训练和（可选）验证 | 文件 | CSV | GPU 或 CPU（仅单个实例） | 否 | 
| BlazingText | 训练 | 文件或管道 | 文本文件（每行一句，带空格分隔的令牌）  | GPU 或 CPU（仅单个实例）  | 否 | 
| CatBoost | 训练和（可选）验证 | 文件 | CSV | CPU（仅单个实例） | 否 | 
| DeepAR 预测 | 训练和 (可选) 测试 | 文件 | JSON 行或 Parquet | CPU 或 GPU | 是 | 
| 因子分解机 | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf | CPU（对密集数据使用 GPU） | 是 | 
| 图像分类- MXNet | 训练和验证，（可选）train\_lst、validation\_lst 和模型 | 文件或管道 | recordIO 或图像文件 (.jpg 或 .png)  | GPU | 是 | 
| 图像分类- TensorFlow | 训练和验证 | 文件 | 图像文件（.jpg、.jpeg 或 .png）  | CPU 或 GPU | 是（仅在单个实例 GPUs 上跨多个实例） | 
| IP 见解 | 训练和 (可选) 验证 | 文件 | CSV | CPU 或 GPU | 是 | 
| K-Means | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPUCommon （一个或多个实例上的单个 GPU 设备） | 否 | 
| K-Nearest-Neighbors (k-nn) | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU（一个或多个实例上的单个 GPU 设备） | 是 | 
| LDA | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU（仅单个实例） | 否 | 
| LightGBM | 训练和（可选）验证 | 文件 | CSV | CPU | 是 | 
| 线性学习器 | 训练和 (可选) 验证和/或测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU | 是 | 
| 神经主题模型 | 训练和 (可选) 验证和/或测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU | 是 | 
| Object2Vec | 训练和 (可选) 验证和/或测试 | 文件 | JSON 行  | GPU 或 CPU（仅单个实例） | 否 | 
| 物体检测- MXNet | 训练和验证，（可选）train\_annotation、validation\_annotation 和模型 | 文件或管道 | recordIO 或图像文件 (.jpg 或 .png)  | GPU | 是 | 
| 物体检测- TensorFlow | 训练和验证 | 文件 | 图像文件（.jpg、.jpeg 或 .png）  | GPU | 是（仅在单个实例 GPUs 上跨多个实例） | 
| PCA | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU | 是 | 
| Random Cut Forest | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU | 是 | 
| 语义分割 | 训练和验证、train\_annotation、validation\_annotation 以及（可选）label\_map 和模型 | 文件或管道 | 图像文件 | GPU（仅单个实例） | 否 | 
| Seq2Seq 建模 | 训练、验证和 vocab | 文件 | recordIO-protobuf | GPU（仅单个实例） | 否 | 
| TabTransformer | 训练和（可选）验证 | 文件 | CSV | GPU 或 CPU（仅单个实例） | 否 | 
| 文本分类- TensorFlow | 训练和验证 | 文件 | CSV | CPU 或 GPU | 是（仅在单个实例 GPUs 上跨多个实例） | 
| XGBoost (0.90-1、0.90-2、1.0-1、1.2-1、1.2-21) | 训练和 (可选) 验证 | 文件或管道 | CSV、LibSVM 或 Parquet | CPU（对于 1.2-1 为 GPU） | 是 | 

*可并行化* 的算法可部署在多个计算实例上以进行分布式训练。

以下主题提供有关数据格式、推荐的 Amazon EC2 实例类型以及 Amazon A SageMaker I 提供的所有内置算法的通用 CloudWatch 日志的信息。

**注意**  
要查找 SageMaker AI 管理 URIs 的内置算法的 Docker 镜像，请参阅 [Docker 注册表路径和示例](https://docs.amazonaws.cn/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths)代码。

**Topics**
+ [用于训练的常见数据格式](cdf-training.md)
+ [用于推理的常见数据格式](cdf-inference.md)
+ [内置算法的实例类型](cmn-info-instance-types.md)
+ [内置算法的日志](common-info-all-sagemaker-models-logs.md)