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。

预建 SageMaker 镜像支持政策

定期扫描所有预先构建的 SageMaker 映像，包括特定于框架的容器、内置算法容器 Amazon Web Services Marketplace、中列出的算法和模型包以及 Dee Amazon p Learning Containers，以查找常见漏洞和暴露 (CVE) 计划和国家漏洞数据库 (NVD) 列出的常见漏洞。有关 CVE 的更多信息，请参阅 CVE 常见问题解答 (F AQ)。在出现任何安全补丁后，支持的预构建容器镜像会收到更新的次要版本版本。

所有支持的容器镜像都会定期更新，以解决所有关键 CVE 的问题。对于严重程度较高的场景，我们建议客户在自己的亚马逊弹性容器注册表 (Amazon ECR) Container Registry 中构建并托管已修补的容器版本。

如果您运行的容器镜像版本不再受支持，则可能没有最新的驱动程序、库和相关软件包。要获得更多 up-to-date 版本，我们建议您使用您选择的最新映像升级到可用的支持框架之一。

Amazon Deep Learning Containers (DLC) 支持政策

Amazon Deep Learning Containers 是一组 Docker 镜像，用于训练和提供深度学习模型。要查看可用图像，请参阅 Dee p Learning Cont ainers GitHub 存储库中的可用深度学习容器映像。

DLC 在 GitHub 发布日期 365 天后就到了补丁的终止日期。DLC 的补丁更新不是 “就地” 更新。您必须在不终止实例的情况下删除实例上的现有镜像并提取最新的容器镜像。有关更多信息，请参阅 Dee Amazon p Learning Containers 开发者指南中的框架支持政策。

参考 Dee Amazon p Learning Containers Framework 支持策略表，查看 Amazon DLC 积极支持哪些框架和版本。对于未明确列出的任何图像，您可以在支持策略表中引用与 DLC 关联的框架。例如，您可以在支持策略表PyTorch中引用 DLC 镜像，例如huggingface-pytorch-inference和。stabilityai-pytorch-inference

SageMaker 机器学习框架容器支持政策

SageMaker 机器学习框架容器是一组 Docker 镜像，用于训练和服务机器学习工作负载，其环境针对 XGBoost 和 Scikit Learn 等常见框架进行了优化。要查看可用的 SageMaker ML 框架容器，请参阅 Docker 注册表路径和示例代码。导航到您选择的 Amazon 区域，然后浏览带有（算法）标签的图像。 SageMaker 机器学习框架容器还遵守 Dee Amazon p Learning Containers 框架支持政策。

要在框架模式下检索 XGBoost 1.7-1 的最新图像版本，请使用以下 SDK 命令： SageMaker Python

from sagemaker import image_uris
image_uris.retrieve(framework='xgboost',region='us-east-1',version='1.7-1')

SageMaker 内置算法容器支持政策

SageMaker 内置算法容器是一组 Docker 镜像，用于训练和提供SageMaker内置机器学习算法。要查看可用的 SageMaker 内置算法容器，请参阅 Docker 注册表路径和示例代码。导航到您选择的 Amazon 区域，然后浏览带有（算法）标签的图像。

内置容器镜像的补丁更新是 “就地” 更新。为了 up-to-date保持最新的安全补丁，我们建议使用图像标签查看最新的内置算法latest映像版本。

LLM 托管容器支持政策

LLM 托管容器（例如HuggingFace文本生成推理 (TGI) 容器）的补丁将在发布日期 30 天后到期。 GitHub

不支持的容器和弃用

当容器达到补丁结束或被弃用时，它将不再接受安全补丁。当不再支持整个框架或算法时，容器就会被弃用。

以下容器不再获得支持：