Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Arten von Recheninstances
<a name="geospatial-instances"></a>

**Anmerkung**  
Die Funktionen von Amazon SageMaker Geospatial stehen Neukunden nicht mehr zur Verfügung. Verschieben Sie alle zuvor gespeicherten Jobs mithilfe der [ ExportVectorEnrichmentJob ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_geospatial_ExportVectorEnrichmentJob.html) API-Operationen [ ExportEarthObservationJob ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_geospatial_ExportEarthObservationJob.html) und nach Amazon S3.

SageMaker Geodatenfunktionen bieten drei Arten von Recheninstanzen.
+ **SageMaker Geospatial-Notebook-Instanzen von Studio Classic ** — SageMaker Geospatial unterstützt sowohl CPU- als auch GPU-based Notebook-Instanzen in Studio Classic. Notebook-Instances werden zum Erstellen, Trainieren und Bereitstellen von ML-Modellen verwendet. Eine Liste der verfügbaren Notebook-Instance-Typen, die mit dem Geodatenbild funktionieren, finden Sie unter [Unterstützte Notebook-Instance-Typen](#supported-geospatial-instances). 
+ **SageMaker Instanzen für Geodatenaufträge ** — Führen Sie Verarbeitungsaufträge aus, um Satellitenbilddaten zu transformieren.
+ **SageMaker Inferenztypen für georäumliche Modelle ** — Treffen Sie Vorhersagen, indem Sie vorab trainierte ML-Modelle für Satellitenbilder verwenden.

Der Instance-Typ wird durch die von Ihnen ausgeführten Operationen bestimmt.

Die folgende Tabelle zeigt die verfügbaren SageMaker geodatenspezifischen Operationen und  Instanztypen, die Sie verwenden können.


|  Operationen  |  Instance  | 
| --- | --- | 
| Temporäre Statistik | ml.geospatial.jobs | 
| Zonenbasierte Statistiken | ml.geospatial.jobs | 
| Resampling | ml.geospatial.jobs | 
| Geomosaik | ml.geospatial.jobs | 
| Stapeln von Bändern | ml.geospatial.jobs | 
| Band Mathe | ml.geospatial.jobs | 
| Entfernung von Wolken mit Landsat8 | ml.geospatial.jobs | 
| Entfernung von Wolken mit Sentinel-2 | ml.geospatial.models | 
| Cloud-Maskierung | ml.geospatial.models | 
| Segmentierung der Landbedeckung | ml.geospatial.models | 

## SageMaker Von Geodaten unterstützte Notebook-Instanztypen
<a name="notebook-instances"></a>

SageMaker Geospatial unterstützt sowohl CPU- als auch GPU-based Notebook-Instanzen in Studio Classic. Wenn Sie beim Starten einer GPU-fähigen Notebook-Instanz eine  ResourceLimitExceeded  Fehlermeldung erhalten, müssen Sie eine Kontingenterhöhung beantragen. Weitere Informationen zur [Beantragung einer Quotenerhöhung](https://docs.aws.amazon.com/servicequotas/latest/userguide/request-quota-increase.html) für Service Quotas finden Sie unter Beantragung einer Quotenerhöhung im *Service Quotas-Benutzerhandbuch*.

Unterstützte Notebook-Instance-Typen von Studio Classic


|  Name  |  Instance-Typ  | 
| --- | --- | 
| ml.geospatial.interactive | CPU | 
| ml.g5.xlarge | GPU | 
| ml.g5.2xlarge | GPU | 
| ml.g5.4xlarge | GPU | 
| ml.g5.8xlarge | GPU | 
| ml.g5.16xlarge | GPU | 
| ml.g5.12xlarge | GPU | 
| ml.g5.24xlarge | GPU | 
| ml.g5.48xlarge | GPU | 

Für jeden Typ von Rechen-Instance, den Sie verwenden, werden Ihnen unterschiedliche Tarife berechnet. Weitere Informationen zur Preisgestaltung finden Sie unter [ Geospatial ML with Amazon SageMaker AI](https://aws.amazon.com/sagemaker/geospatial).

## SageMaker Geodaten-Bibliotheken
<a name="geospatial-notebook-libraries"></a>

Der SageMaker für Geodaten spezifische ** Instanztyp **ml.geospatial.interactive** enthält ** die folgenden Python-Bibliotheken.

Geodatenbibliotheken, die für den Geospatial-Instance-Typ verfügbar sind


|  Name der Bibliothek  |  Verfügbare Versionen  | 
| --- | --- | 
| numpy | 1.23.4 | 
| scipy | 1.11.2 | 
| pandas | 1.4.4 | 
| gdal | 3.2.2 | 
| fiona | 1.8.22 | 
| geopandas | 0.11.1 | 
| Shapley | 1.8.4 | 
| seaborn | 0.11.2 | 
| notebook | 1.8.22 | 
| scikit-image | 0.11.2 | 
| rasterio | 6.4.12 | 
| Scikit-learn | 0.19.2 | 
| ipyleaflet | 1.0.1 | 
| rtree | 0,17.2 | 
| opencv | 4.6.0.66 | 
| supy | 2022.4.7 | 
| SNAP toolbox | 9.0 | 
| cdsapi | 0.6.1 | 
| arosics | 1.8.1 | 
| rasterstats | 0,18,0 | 
| rioxarray | 0.14.1 | 
| pyroSAR | 0,20,0 | 
| eo-learn | 1.4.1 | 
| deepforest | 1.2.7 | 
| scrapy | 2.8.0 | 
| netCDF4 | 1.6.3 | 
| xarray[vollständig] | 0,20,1 | 
| Orfeotoolbox | OTB-8.1.1 | 
| pytorch | 2.0.1 | 
| pytorch-cuda | 11.8 | 
| pytorch-cuda | 0,15.2 | 
| torchaudio | 2.0.2 | 
| pytorch-lightning | 2.0.6 | 
| tensorflow | 2.13.0 |