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。

访问 Scikit-learn 和 Spark ML 的预构建 Docker 映像

SageMaker AI 提供预构建的 Docker 映像，用于安装 scikit-learn 和 Spark ML 库。这些库还包括所需的依赖项，用于使用 Amazon SageMaker Python SDK 构建与 SageMaker AI 兼容的 Docker 映像。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。

您还可以在自己的环境中从 Amazon ECR 存储库访问映像。

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

从 SageMaker AI Python SDK 访问映像

下表包含指向 GitHub 存储库的链接，其中提供 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。

有关更多信息和 Github 存储库的链接，请参阅在 Amazon AI 中使用 Scikit-Learn 的资源 SageMaker 和在 Amazon AI 上使用 SparkML 服务的资源 SageMaker 。

手动指定预构建映像

如果您没有使用 SageMaker Python SDK 及估算器之一来管理容器，则您必须手动检索相关的预构建容器。SageMaker AI 预构建的 Docker 映像存储在 Amazon Elastic Container Registry（Amazon ECR）中。您可以使用其全名注册表地址推送或提取它们。SageMaker AI 为 scikit-learn 和 Spark ML 使用以下 Docker 映像 URL 模式：

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。