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。
TensorFlow 与 Amazon A SageMaker I 配合使用的资源
您可以使用 Amazon SageMaker AI 使用自定义 TensorFlow 代码训练和部署模型。 SageMaker AI Python SDK TensorFlow 估算器和模型以及 SageMaker AI 开源 TensorFlow 容器可以提供帮助。根据 TensorFlow 您正在使用的版本和想要执行的操作,使用以下资源列表来查找更多信息。
TensorFlow 版本 1.11 及更高版本
对于 1.11 及更高 TensorFlow 版本,Amaz SageMaker on Python 软件开发工具包
您需要做什么?
- 我想在 SageMaker AI 中训练一个自定义 TensorFlow 模型。
-
有关 Jupyter 笔记本的示例,请参阅TensorFlow 脚本模式训练和
发球。 有关文档,请参阅使用训练模型 TensorFlow
。 - 我有一个在 SageMaker AI 中训练过的 TensorFlow 模型,我想将其部署到托管端点。
-
有关更多信息,请参阅部署 TensorFlow 服务模型
。 - 我有一个在 SageMaker AI 之外训练的 TensorFlow 模型,我想将其部署到 A SageMaker I 端点。
-
有关更多信息,请参阅直接使用模型构件部署
。 - 我想查看亚马逊 SageMaker Python 软件开发工具包 TensorFlow类的
API 文档。 -
有关更多信息,请参阅TensorFlow 估算器
。 - 我想找到 SageMaker AI TensorFlow 容器存储库。
-
有关更多信息,请参阅SageMaker TensorFlow 容器 GitHub 存储库
。 - 我想查找有关 Dee Amazon p Learning Containers 支持的 TensorFlow 版本的信息。
-
有关更多信息,请参阅可用的深度学习容器映像
。
有关编写 TensorFlow 脚本模式训练脚本以及在 SageMaker AI 中使用 TensorFlow 脚本模式估计器和模型的一般信息,请参阅与 Pyth SageMaker on SDK TensorFlow 配合使用
TensorFlow 1.11 及更早版本的传统模式
Amaz SageMaker on Python 软件开发工具包
-
您有传统模式脚本,且不想转换为脚本模式。
-
你想使用早于 1.11 的 TensorFlow 版本。
有关编写与 SageMaker AI Python SDK 配合使用的传统模式 TensorFlow 脚本的信息,请参阅TensorFlow SageMaker 估算器和模型