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.

# Ressourcen für die Verwendung von Apache MXNet mit Amazon AI SageMaker
<a name="mxnet"></a>

**Wichtig**  
**Hinweis zur Veralterung: ** Apache MXNet wird in Python SDK v3 nicht unterstützt. SageMaker Wenn Sie derzeit MXNet verwenden, verwenden Sie weiterhin Python SDK SageMaker v2. Für neue Projekte sollten Sie erwägen, die vereinheitlichte `ModelTrainer` Klasse zu verwenden PyTorch oder TensorFlow mit ihr zu verwenden. Eine Anleitung [ zur Migration finden Sie in der ](https://sagemaker.readthedocs.io/en/stable/) SageMaker Python-SDK-Dokumentation.

Die [ MXNet-Schätzer und -Modelle des ](https://sagemaker.readthedocs.io/en/stable) Amazon SageMaker Python SDK und der Open-Source-MXNet-Container von SageMaker AI erleichtern das Schreiben eines MXNet-Skripts und dessen Ausführung in KI. SageMaker Der folgende Abschnitt enthält Referenzmaterial, anhand dessen Sie lernen können, wie Sie mithilfe von SageMaker KI mithilfe von benutzerdefiniertem MXNet-Code ein Modell trainieren und bereitstellen. 

## Was möchten Sie tun?
<a name="mxnet-intent"></a>

Ich möchte ein benutzerdefiniertes MXNet-Modell in SageMaker KI trainieren.  
Die Dokumentation finden Sie unter [Train a Model with MXNet](https://sagemaker.readthedocs.io/en/stable/using_mxnet.html#train-a-model-with-mxnet).

Ich habe ein MXNet-Modell, das ich in SageMaker KI trainiert habe, und ich möchte es auf einem gehosteten Endpunkt bereitstellen.  
Weitere Informationen finden Sie unter [Bereitstellen von MXNet-Modellen](https://sagemaker.readthedocs.io/en/stable/using_mxnet.html#deploy-mxnet-models).

Ich habe ein MXNet-Modell, das ich außerhalb von SageMaker KI trainiert habe, und ich möchte es auf einem SageMaker KI-Endpunkt bereitstellen  
Weitere Informationen finden Sie unter [Bereitstellen von Endpunkten aus Modelldaten](https://sagemaker.readthedocs.io/en/stable/using_mxnet.html#deploy-endpoints-from-model-data).

Ich möchte die API-Dokumentation für [ Amazon SageMaker Python ](https://sagemaker.readthedocs.io/en/stable) SDK-MXNet-Klassen sehen.  
Weitere Informationen finden Sie unter [MXNet Klassen](https://sagemaker.readthedocs.io/en/stable/frameworks/mxnet/sagemaker.mxnet.html). 

Ich möchte das SageMaker AI MXNet-Container-Repository finden.  
Weitere Informationen finden Sie unter [ SageMaker AI MXNet GitHub Container-Repository. ](https://github.com/aws/sagemaker-mxnet-container)

Ich möchte Informationen über MXNet-Versionen finden, die von AWS Deep Learning Containern unterstützt werden.  
Weitere Informationen finden Sie unter [Verfügbare Deep-Learning-Container-Images](https://github.com/aws/deep-learning-containers/blob/master/available_images.md).

 Allgemeine Informationen zum Schreiben von Trainingsskripten für den MXNet-Skriptmodus und zur Verwendung von MXNet-Skriptmodus-Schätzern und Modellen mit SageMaker KI finden Sie unter MXNet mit dem Python-SDK [ verwenden. SageMaker ](https://sagemaker.readthedocs.io/en/stable/using_mxnet.html)