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)。

用于深度学习的预构建 SageMaker Docker 映像

Amazon SageMaker 提供了预构建的 Docker 映像，其中包括深度学习框架库以及训练和推理所需的其他依赖项。有关由 SageMaker 管理的预构建 Docker 映像的完整列表，请参阅 Docker 注册表路径和示例代码。

使用 SageMaker Python SDK

借助 SageMaker Python 开发工具包，您可以使用这些流行的深度学习框架训练和部署模型。有关安装和使用该 SDK 的说明，请参阅 Amazon SageMaker Python SDK。下表列出了可用框架以及如何将它们与 SageMaker Python SDK 结合使用的说明：

扩展预构建 SageMaker Docker 映像

如果预构建 SageMaker Docker 映像不支持您的模型或算法的其他功能需求，您可以自定义这些预构建的容器或者进行扩展，以满足这些需求。有关示例，请参阅通过扩展现有 PyTorch 容器，使用自己的脚本和数据集在 SageMaker 上微调和部署 BERTopic 模型。

您可以使用预构建的容器部署自定义模型或已在 SageMaker 之外的框架中训练的模型。有关将训练过的模型构件引入 SageMaker 并在端点中托管这些构件的过程概述，请参阅将您自己的预训练 MXNet 或 TensorFlow 模型引入 Amazon SageMaker。