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。

# 预先构建的 SageMaker AI Docker 镜像
<a name="docker-containers-prebuilt"></a>

Amazon SageMaker AI 为其内置算法提供容器，并为一些最常见的机器学习框架（例如 Apache MXNet、、和 Chainer）提供预构建的 Docker 镜像。 TensorFlow PyTorch它还支持 scikit-learn 和 SparkML 等机器学习库。

您可以使用 SageMaker 笔记本实例或 SageMaker Studio 中的这些图像。您还可以扩展预先构建的 SageMaker 映像，使其包含库和所需的功能。以下主题提供了有关可用映像以及如何使用它们的信息。

有关 Amazon A SageMaker I 提供的每种算法和 Deep Learning Containers (DLC) 的 Docker 注册表路径和其他参数，请参阅 D [ocker 注册表路径和示例](https://docs.amazonaws.cn/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths)代码。

有关用于在 AI 中开发强化学习 (RL) 解决方案的 Docker 镜像的信息，请参阅 SageMaker A [SageMaker I R](https://github.com/aws/sagemaker-rl-container) L 容器。

**注意**  
预先构建的容器镜像归 SageMaker 人工智能所有，在某些情况下还包括专有代码。训练和处理作业、批量转换和实时推理等功能使用服务拥有的凭据在托管 SageMaker AI 实例上提取和运行图像。由于不使用客户证书，因此任何拒绝 Amazon ECR 权限的 Amazon IAM 策略（包括服务控制策略和资源控制策略）都不会阻止使用预先构建的映像。

**Topics**
+ [预建 SageMaker 镜像支持政策](pre-built-containers-support-policy.md)
+ [用于深度学习的预构建 SageMaker AI Docker 镜像](pre-built-containers-frameworks-deep-learning.md)
+ [访问 Scikit-learn 和 Spark ML 的预构建 Docker 映像](pre-built-docker-containers-scikit-learn-spark.md)
+ [深度图网络](deep-graph-library.md)
+ [扩展预构建容器](prebuilt-containers-extend.md)