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.
# Amazon SageMaker Images zur Verwendung mit Studio Classic-Notebooks verfügbar
**Anmerkung**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis nun Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter [Amazon Studio SageMaker](studio-updated.md).
Studio Classic wird weiterhin für bestehende Workloads beibehalten, ist jedoch nicht mehr für das Onboarding verfügbar. Sie können nur bestehende Studio Classic-Anwendungen beenden oder löschen und keine neuen erstellen. Wir empfehlen Ihnen, Ihre Arbeitslast auf das neue Studio-Erlebnis zu [ migrieren](studio-updated-migrate.md).
Auf dieser Seite sind die SageMaker Images und zugehörigen Kernel aufgeführt, die in Amazon SageMaker Studio Classic verfügbar sind. Diese Seite enthält auch Informationen über das Format, das zur Erstellung des ARN für jedes Bild erforderlich ist. SageMaker Bilder enthalten das neueste [ Amazon SageMaker Python SDK ](https://sagemaker.readthedocs.io/en/stable) und die neueste Version des Kernels. Weitere Informationen finden Sie unter [Deep Learning Containers Images](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/deep-learning-containers-images.html).
**Topics**
+ [Image-Format des Image-ARN](#notebooks-available-images-arn)
+ [Unterstützte URI-Tags](#notebooks-available-uri-tag)
+ [Unterstützte Images](#notebooks-available-images-supported)
+ [Images, die zur Vernachlässigung vorgesehen sind](#notebooks-available-images-deprecation)
+ [Veraltete Images](#notebooks-available-images-deprecated)
## Image-Format des Image-ARN
In der folgenden Tabelle ist das Image-ARN- und -URI-Format für jede Region aufgeführt. Um den vollständigen ARN für ein Bild zu erstellen, ersetzen Sie den {{resource-identifier}} Platzhalter durch die entsprechende Ressourcen-ID für das Bild. Die Ressourcen-ID befindet sich in der SageMaker Image- und Kernel-Tabelle. Um den vollständigen URI für ein Bild zu erstellen, ersetzen Sie den {{tag}} Platzhalter durch das entsprechende CPU- oder GPU-Tag. Eine Liste der Tags, die Sie verwenden können, finden Sie unter [Unterstützte URI-Tags](#notebooks-available-uri-tag).
**Anmerkung**
SageMaker Verteilungs-Images verwenden einen bestimmten Satz von Image-ARNs, die in der folgenden Tabelle aufgeführt sind.
| Region | Image ARN Format | SageMaker ARN-Format für Verteilungs-Images | SageMaker URI-Format des Vertriebs-Images |
| --- | --- | --- | --- |
| us-east-1 | arn:aws:sagemaker:us-east-1:081325390199:image/{{resource-identifier}} | arn:aws:sagemaker:us-east-1:885854791233:image/{{resource-identifier}} | 885854791233.dkr.ecr.us-east-1.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| us-east-2 | arn:aws:sagemaker:us-east-2:429704687514:image/{{resource-identifier}} | arn:aws:sagemaker:us-east-2:137914896644:image/{{resource-identifier}} | 137914896644.dkr.ecr.us-east-2.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| us-west-1 | arn:aws:sagemaker:us-west-1:742091327244:image/{{resource-identifier}} | arn:aws:sagemaker:us-west-1:053634841547:image/{{resource-identifier}} | 053634841547.dkr.ecr.us-west-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| us-west-2 | arn:aws:sagemaker:us-west-2:236514542706:image/{{resource-identifier}} | arn:aws:sagemaker:us-west-2:542918446943:image/{{resource-identifier}} | 542918446943.dkr.ecr.us-west-2.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| af-south-1 | arn:aws:sagemaker:af-south-1:559312083959:image/{{resource-identifier}} | arn:aws:sagemaker:af-south-1:238384257742:image/{{resource-identifier}} | 238384257742.dkr.ecr.af-south-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| ap-east-1 | arn:aws:sagemaker:ap-east-1:493642496378:image/{{resource-identifier}} | arn:aws:sagemaker:ap-east-1:523751269255:image/{{resource-identifier}} | 523751269255.dkr.ecr.ap-east-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| ap-south-1 | arn:aws:sagemaker:ap-south-1:394103062818:image/{{resource-identifier}} | arn:aws:sagemaker:ap-south-1:245090515133:image/{{resource-identifier}} | 245090515133.dkr.ecr.ap-south-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| ap-northeast-2 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/{{resource-identifier}} | arn:aws:sagemaker:ap-northeast-2:064688005998:image/{{resource-identifier}} | 064688005998.dkr.ecr.ap-northeast-2.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| ap-southeast-1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/{{resource-identifier}} | arn:aws:sagemaker:ap-southeast-1:022667117163:image/{{resource-identifier}} | 022667117163.dkr.ecr.ap-southeast-1.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| ap-southeast-2 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/{{resource-identifier}} | arn:aws:sagemaker:ap-southeast-2:648430277019:image/{{resource-identifier}} | 648430277019.dkr.ecr.ap-southeast-2.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| ap-northeast-1 | arn:aws:sagemaker:ap-northeast-1:102112518831:image/{{resource-identifier}} | arn:aws:sagemaker:ap-northeast-1:010972774902:image/{{resource-identifier}} | 010972774902.dkr.ecr.ap-northeast-1.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| ca-central-1 | arn:aws:sagemaker:ca-central-1:310906938811:image/{{resource-identifier}} | arn:aws:sagemaker:ca-central-1:481561238223:image/{{resource-identifier}} | 481561238223.dkr.ecr.ca-central-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| eu-central-1 | arn:aws:sagemaker:eu-central-1:936697816551:image/{{resource-identifier}} | arn:aws:sagemaker:eu-central-1:545423591354:image/{{resource-identifier}} | 545423591354.dkr.ecr.eu-central-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
| eu-west-1 | arn:aws:sagemaker:eu-west-1:470317259841:image/{{resource-identifier}} | arn:aws:sagemaker:eu-west-1:819792524951:image/{{resource-identifier}} | 819792524951.dkr.ecr.eu-west-1.amazonaws. com/sagemaker-Vertriebs-Produkt: {{tag}} |
| eu-west-2 | arn:aws:sagemaker:eu-west-2:712779665605:image/{{resource-identifier}} | arn:aws:sagemaker:eu-west-2:021081402939:image/{{resource-identifier}} | 021081402939.dkr.ecr.eu-west-2.amazonaws. com/sagemaker-Vertriebs-Produkt: {{tag}} |
| eu-west-3 | arn:aws:sagemaker:eu-west-3:615547856133:image/{{resource-identifier}} | arn:aws:sagemaker:eu-west-3:856416204555:image/{{resource-identifier}} | 856416204555.dkr.ecr.eu-west-3.amazonaws. com/sagemaker-Vertriebs-Produkt: {{tag}} |
| eu-north-1 | arn:aws:sagemaker:eu-north-1:243637512696:image/{{resource-identifier}} | arn:aws:sagemaker:eu-north-1:175620155138:image/{{resource-identifier}} | 175620155138.dkr.ecr.eu-north-1.amazonaws. com/sagemaker-Vertriebs-Produkt: {{tag}} |
| eu-south-1 | arn:aws:sagemaker:eu-south-1:592751261982:image/{{resource-identifier}} | arn:aws:sagemaker:eu-south-1:810671768855:image/{{resource-identifier}} | 810671768855.dkr.ecr.eu-south-1.amazonaws. com/sagemaker-Vertriebs-Produkt: {{tag}} |
| sa-east-1 | arn:aws:sagemaker:sa-east-1:782484402741:image/{{resource-identifier}} | arn:aws:sagemaker:sa-east-1:567556641782:image/{{resource-identifier}} | 567556641782.dkr.ecr.sa-east-1.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| ap-northeast-3 | arn:aws:sagemaker:ap-northeast-3:792733760839:image/{{resource-identifier}} | arn:aws:sagemaker:ap-northeast-3:564864627153:image/{{resource-identifier}} | 564864627153.dkr.ecr.ap-northeast-3.amazonaws. com/sagemaker-distribution-prod: {{tag}} |
| ap-southeast-3 | arn:aws:sagemaker:ap-southeast-3:276181064229:image/{{resource-identifier}} | arn:aws:sagemaker:ap-southeast-3:370607712162:image/{{resource-identifier}} | 370607712162.dkr.ecr.ap-southeast-3.amazonaws. com/sagemaker-vertriebs-prod: {{tag}} |
| me-south-1 | arn:aws:sagemaker:me-south-1:117516905037:image/{{resource-identifier}} | arn:aws:sagemaker:me-south-1:523774347010:image/{{resource-identifier}} | 523774347010.dkr.ecr.me-south-1.amazonaws. com/sagemaker-Vertriebs-Produkt: {{tag}} |
| me-central-1 | arn:aws:sagemaker:me-central-1:103105715889:image/{{resource-identifier}} | arn:aws:sagemaker:me-central-1:358593528301:image/{{resource-identifier}} | 358593528301.dkr.ecr.me-central-1.amazonaws. com/sagemaker-vertriebs-produkt: {{tag}} |
## Unterstützte URI-Tags
Die folgende Liste zeigt die Tags, die Sie in Ihre Image-URI aufnehmen können.
+ 1-cpu
+ 1-gpu
+ 0-cpu
+ 0-gpu
**Die folgenden Beispiele zeigen URIs mit verschiedenen Tag-Formaten:**
+ 542918446943.dkr.ecr.us-west-2.amazonaws. com/sagemaker-distribution-prod:1-cpu
+ 542918446943.dkr.ecr.us-west-2.amazonaws. com/sagemaker-distribution-prod:0-gpu
## Unterstützte Images
Die folgende Tabelle enthält Informationen zu den SageMaker Images und zugehörigen Kernels, die in Amazon Studio Classic verfügbar sind. SageMaker Außerdem finden Sie hier Informationen zur Ressourcen-ID und zur Python-Version, die im Image enthalten sind.
SageMaker Bilder und Kernel
| SageMaker Bild | Description | Ressourcen-ID | Kernel (und Kennung) | Python-Version |
| --- | --- | --- | --- | --- |
| Base Python 4.3 | Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI | sagemaker-base-python-v4 | Python 3 (Python3) | Python 3.11 |
| Base Python 4.2 | Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI | sagemaker-base-python-v4 | Python 3 (Python3) | Python 3.11 |
| Base Python 4.1 | Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI | sagemaker-base-python-v4 | Python 3 (Python3) | Python 3.11 |
| Base Python 4.0 | Offizielles Python 3.11-Image von DockerHub with boto3 und enthalten. AWS CLI | sagemaker-base-python-v4 | Python 3 (Python3) | Python 3.11 |
| Base Python 3.0 | Offizielles Python 3.10-Image von DockerHub with boto3 und enthalten. AWS CLI | sagemaker-base-python-310-v1 | Python 3 (Python3) | Python 3.10 |
| Data Science 5.3 | Data Science 5.3 ist ein Python 3.11 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und Learn. SciKit | sagemaker-data-science-v5 | Python 3 (Python3) | Python 3.11 |
| Data Science 5.2 | Data Science 5.2 ist ein Python 3.11 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. | sagemaker-data-science-v5 | Python 3 (Python3) | Python 3.11 |
| Data Science 5.1 | Data Science 5.1 ist ein Python 3.11 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. | sagemaker-data-science-v5 | Python 3 (Python3) | Python 3.11 |
| Data Science 5.0 | Data Science 5.0 ist ein Python 3.11 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image, das auf der Ubuntu-Version jammy-20240212 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. | sagemaker-data-science-v5 | Python 3 (Python3) | Python 3.11 |
| Data Science 4.0 | Data Science 4.0 ist ein Python 3.11 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image, das auf der Ubuntu-Version 22.04 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. | sagemaker-data-science-311-v1 | Python 3 (Python3) | Python 3.11 |
| Data Science 3.0 | Data Science 3.0 ist ein Python 3.10 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image, das auf der Ubuntu-Version 22.04 basiert. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. | Sagemaker-Datenwissenschaft-310-v1 | Python 3 (Python3) | Python 3.10 |
| Geospatial 1.0 | Amazon SageMaker Geospatial ist ein Python-Image, das aus häufig verwendeten Geodatenbibliotheken wie GDAL, Fiona GeoPandas, Shapley und Rasterio besteht. Es ermöglicht Ihnen, Geodaten in KI zu visualisieren. SageMaker Weitere Informationen finden Sie unter [ Amazon SageMaker Geospatial Notebook SDK ](https://docs.aws.amazon.com/sagemaker/latest/dg/geospatial-notebook-sdk.html) | Sagemaker-Geospatial-1.0 | Python 3 (Python3) | Python 3.10 |
| SparkAnalytics 4.3 | Das SparkAnalytics 4.3-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. | sagemaker-spark-analytics-v4 | + SparkMagic Spark (Sparkkernel)
+ SparkMagic PySpark (Pysparkkernel)
+ Glue Spark (glue\_spark)
+ Kleber PySpark (glue\_pyspark) | Python 3.11 |
| SparkAnalytics 4.2 | Das SparkAnalytics 4.2-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. | sagemaker-spark-analytics-v4 | + SparkMagic Spark (Sparkkernel)
+ SparkMagic PySpark (Pysparkkernel)
+ Glue Spark (glue\_spark)
+ Kleber PySpark (glue\_pyspark) | Python 3.11 |
| SparkAnalytics 4.1 | Das SparkAnalytics 4.1-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. | sagemaker-spark-analytics-v4 | + SparkMagic Spark (Sparkkernel)
+ SparkMagic PySpark (Pysparkkernel)
+ Glue Spark (glue\_spark)
+ Kleber PySpark (glue\_pyspark) | Python 3.11 |
| SparkAnalytics 4,0 | Das SparkAnalytics 4.0-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. | sagemaker-spark-analytics-v4 | + SparkMagic Spark (Sparkkernel)
+ SparkMagic PySpark (Pysparkkernel)
+ Glue Spark (glue\_spark)
+ Kleber PySpark (glue\_pyspark) | Python 3.11 |
| SparkAnalytics 3,0 | Das SparkAnalytics 3.0-Image bietet Spark- und PySpark Kernel-Optionen auf Amazon SageMaker Studio Classic, einschließlich SparkMagic Spark SparkMagic PySpark, Glue Spark und Glue PySpark, und ermöglicht so eine flexible verteilte Datenverarbeitung. | sagemaker-sparkanalytics-311-v1 | + SparkMagic Spark (Sparkkernel)
+ SparkMagic PySpark (Pysparkkernel)
+ Glue Spark (glue\_spark)
+ Kleber PySpark (glue\_pyspark) | Python 3.11 |
| SparkAnalytics 2,0 | Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter [sparkmagic](https://github.com/jupyter-incubator/sparkmagic). | sagemaker-sparkanalytics-310-v1 | + SparkMagic Spark (conda-env-sm\_sparkmagic-sparkkernel)
+ SparkMagic PySpark(conda-env-sm\_sparkmagic-pysparkkernel)
+ Glue Spark (conda-env-sm\_glue\_is-glue\_spark)
+ Glue Python [und Ray] (conda-env-sm\_glue\_is-glue\_pyspark) PySpark | Python 3.10 |
| PyTorch 2.4.0 Python 3.11 CPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.4.0-CPU-PY311 | Python 3 (Python3) | Python 3.11 |
| PyTorch 2.4.0 Python 3.11 GPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.4.0 mit CUDA 12.4 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.4.0-gpu-py311 | Python 3 (Python3) | Python 3.11 |
| PyTorch 2.3.0 Python 3.11 CPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.3.0-cpu-py311 | Python 3 (Python3) | Python 3.11 |
| PyTorch 2.3.0 Python 3.11 GPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.3.0 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.3.0-gpu-py311 | Python 3 (Python3) | Python 3.11 |
| PyTorch 2.2.0 Python 3.10 CPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.2 mit CUDA 12.1 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.2.0-cpu-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 2.2.0 Python 3.10 GPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.2 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.2.0-gpu-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 2.1.0 Python 3.10 CPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.1 mit CUDA 12.1 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.1.0-CPU-PY310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 2.1.0 Python 3.10 GPU-optimiert | Die AWS Deep-Learning-Container für PyTorch 2.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.1.0-gpu-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 1.13 Python 3.10 Neuron optimiert HuggingFace | PyTorch 1.13 Image mit installierten Neuron-Paketen für das Training auf Trainium-Instances, die für Leistung HuggingFace und Skalierung optimiert sind. AWS | pytorch-1.13-hf-neuron-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 1.13 Python 3.10 Neuron optimiert | PyTorch 1.13-Image mit installierten Neuron-Paketen für das Training auf Trainium-Instances, die für Leistung und Skalierung optimiert sind. AWS | pytorch-1.13-neuron-py310 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.14.0 Python 3.10 CPU-optimiert | Die AWS Deep-Learning-Container für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für das CPU-Training, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.14.1-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.14.0 Python 3.10 GPU-optimiert | Die AWS Deep-Learning-Container für TensorFlow 2.14 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.14.1-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 | Python 3 (Python3) | Python 3.10 |
## Images, die zur Vernachlässigung vorgesehen sind
SageMaker AI beendet die Unterstützung für Bilder am Tag, nachdem eines der Pakete im Bild vom Herausgeber das Ende seiner Lebensdauer erreicht hat. Die folgenden SageMaker Bilder sind als veraltet vorgesehen.
Images, die auf Python 3.8 basieren, haben am 31. Oktober 2024 das [Ende ihrer Lebensdauer](https://endoflife.date/python) erreicht. Ab dem 1. November 2024 stellt SageMaker AI die Unterstützung für diese Bilder ein und sie können nicht mehr über die Studio Classic-Benutzeroberfläche ausgewählt werden. Wenn Sie eines dieser Images verwenden, empfehlen wir Ihnen, zu einem Image mit einer neueren Version zu wechseln, um Verstöße gegen die Vorschriften zu vermeiden.
SageMaker Bilder, die als veraltet markiert sind
| SageMaker Bild | Datum der Veraltung | Description | Ressourcen-ID | Kernel | Python-Version |
| --- | --- | --- | --- | --- | --- |
| SageMaker Verteilung v0.12 CPU | 1. November 2024 | SageMaker Distribution v0 CPU ist ein Python 3.8-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Visualisierung auf der CPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras TensorFlow und Keras PyTorch, beliebte Python-Pakete wie Numpy, Scikit-Learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon AI Distribution Repo. [ SageMaker ](https://github.com/aws/sagemaker-distribution) | sagemaker-distribution-cpu-v0 | Python 3 (Python3) | Python 3.8 |
| SageMaker Distribution v0.12 GPU | 1. November 2024 | SageMaker Distribution v0 GPU ist ein Python 3.8-Image, das beliebte Frameworks für Machine Learning, Datenwissenschaft und Visualisierung auf GPU enthält. Dazu gehören Deep-Learning-Frameworks wie Keras TensorFlow und Keras PyTorch, beliebte Python-Pakete wie Numpy, Scikit-Learn und Pandas sowie IDEs wie Jupyter Lab. Weitere Informationen finden Sie im Amazon AI Distribution Repo. [ SageMaker ](https://github.com/aws/sagemaker-distribution) | sagemaker-distribution-gpu-v0 | Python 3 (Python3) | Python 3.8 |
| Base Python 2.0 | 1. November 2024 | Offizielles Python 3.8-Image von DockerHub with boto3 und im Lieferumfang enthalten. AWS CLI | Sagemaker-Base-Python-38 | Python 3 (Python3) | Python 3.8 |
| Datenwissenschaft 2.0 | 1. November 2024 | Data Science 2.0 ist ein Python 3.8 [Conda](https://docs.conda.io/projects/conda/en/latest/index.html)-Image basierend auf Ubuntu Version 22.04. Es enthält die am häufigsten verwendeten Python-Pakete und -Bibliotheken wie NumPy und SciKit Learn. | Sagemaker-Datenwissenschaft-38 | Python 3 (Python3) | Python 3.8 |
| PyTorch 1.13 Python 3.9 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 1.13 mit CUDA 11.3 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-1.13-cpu-py39 | Python 3 (Python3) | Python 3.9 |
| PyTorch 1.13 Python 3.9 GPU optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 1.13 mit CUDA 11.7 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-1.13-gpu-py39 | Python 3 (Python3) | Python 3.9 |
| PyTorch 1.12 Python 3.8 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep-Learning-Container für 1.12.0. PyTorch ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-12-0-on-sagemaker/) | pytorch-1.12-cpu-py38 | Python 3 (Python3) | Python 3.8 |
| PyTorch 1.12 Python 3.8 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 1.12 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep-Learning-Container für 1.12.0. PyTorch ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-12-0-on-sagemaker/) | pytorch-1.12-gpu-py38 | Python 3 (Python3) | Python 3.8 |
| PyTorch 1.10 Python 3.8 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 1.10 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep-Learning-Container für PyTorch 1.10.2 auf SageMaker KI. ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-10-2-on-sagemaker/) | pytorch-1.10-cpu-py38 | Python 3 (Python3) | Python 3.8 |
| PyTorch 1.10 Python 3.8 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 1.10 mit CUDA 11.3 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep-Learning-Container für PyTorch 1.10.2 auf KI. SageMaker ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-10-2-on-sagemaker/) | pytorch-1.10-gpu-py38 | Python 3 (Python3) | Python 3.8 |
| SparkAnalytics 1.0 | 1. November 2024 | Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter [sparkmagic](https://github.com/jupyter-incubator/sparkmagic). | sagemaker-sparkanalytics-v1 | + SparkMagic Spark (conda-env-sm\_sparkmagic-sparkkernel)
+ SparkMagic PySpark(conda-env-sm\_sparkmagic-pysparkkernel)
+ Glue Spark (conda-env-sm\_glue\_is-glue\_spark)
+ Glue Python [und Ray] (conda-env-sm\_glue\_is-glue\_pyspark) PySpark | Python 3.8 |
| TensorFlow 2.13.0 Python 3.10 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.13.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.13.0 Python 3.10 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.13 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.6 CPU-optimiert für Python 3.8 | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.6 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind AWS. Weitere Informationen finden Sie unter [AWS Deep-Learning-Container für TensorFlow 2.6](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-6/). | tensorflow-2.6-cpu-py38-ubuntu20.04-v1 | Python 3 (Python3) | Python 3.8 |
| TensorFlow 2.6 Python 3.8 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.6 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep Learning-Container für TensorFlow 2.6. ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-6/) | tensorflow-2.6-gpu-py38-cu112-ubuntu20.04-v1 | Python 3 (Python3) | Python 3.8 |
| PyTorch 2.0.1 Python 3.10 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.0.1-cpu-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 2.0.1 Python 3.10 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 2.0.1 mit CUDA 12.1 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.0.1-gpu-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 2.0.0 Python 3.10 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 2.0.0 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.0.0-cpu-py310 | Python 3 (Python3) | Python 3.10 |
| PyTorch 2.0.0 Python 3.10 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für PyTorch 2.0.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | pytorch-2.0.0-gpu-py310 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.12.0 Für Python 3.10 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.12.0 mit CUDA 11.2 enthalten Container für das CPU-Training, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.12.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.12.0 Python 3.10 GPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.12.0 mit CUDA 11.8 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1 | Python 3 (Python3) | Python 3.10 |
| TensorFlow 2.11.0 Python 3.9 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.11.0-cpu-py39-ubuntu20.04-sagemaker-v1.1 | Python 3 (Python3) | Python 3.9 |
| TensorFlow 2.11.0 Python 3.9 GPU optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.11.0 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.11.0-gpu-py39-cu112-ubuntu20.04-sagemaker-v1.1 | Python 3 (Python3) | Python 3.9 |
| TensorFlow 2.10 Python 3.9 CPU-optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der CPU, die für Leistung und Skalierung optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.10.1-cpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3 (Python3) | Python 3.9 |
| TensorFlow 2.10 Python 3.9 GPU optimiert | 1. November 2024 | Die AWS Deep-Learning-Container für TensorFlow 2.10 mit CUDA 11.2 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie in den [Versionshinweisen für Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html). | tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3 (Python3) | Python 3.9 |
## Veraltete Images
SageMaker AI hat die Unterstützung für die folgenden Bilder eingestellt. Die Abkündigung erfolgt am Tag, nachdem eines der Pakete im Image das Ende seiner Lebensdauer durch den Publisher erreicht hat.
SageMaker Bilder, die als veraltet markiert sind
| SageMaker Bild | Datum der Veraltung | Description | Ressourcen-ID | Kernel | Python-Version |
| --- | --- | --- | --- | --- | --- |
| Datenwissenschaft | 30. Oktober 2023 | Data Science ist ein Python [https://docs.conda.io/projects/conda/en/latest/index.html](https://docs.conda.io/projects/conda/en/latest/index.html) 3.7-Conda-Image mit den am häufigsten verwendeten Python-Paketen und -Bibliotheken wie NumPy und SciKit Learn. | Datenwissenschaft-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart Datenwissenschaft 1.0 | 30. Oktober 2023 | SageMaker JumpStart Data Science 1.0 ist ein JumpStart Image, das häufig verwendete Pakete und Bibliotheken enthält. | Sagemaker-Jumpstart-Data-Science-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart MXNet 1.0 | 30. Oktober 2023 | SageMaker JumpStart MXNet 1.0 ist ein JumpStart Image, das MXNet enthält. | sagemaker-jumpstart-mxnet-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart PyTorch 1.0 | 30. Oktober 2023 | SageMaker JumpStart PyTorch 1.0 ist ein JumpStart Bild, das beinhaltet PyTorch. | sagemaker-jumpstart-pytorch-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart TensorFlow 1.0 | 30. Oktober 2023 | SageMaker JumpStart TensorFlow 1.0 ist ein JumpStart Bild, das beinhaltet TensorFlow. | Sagemaker-Jumpstart-Tensorflow-1.0 | Python 3 | Python 3.7 |
| SparkMagic | 30. Oktober 2023 | Anaconda Individual Edition mit PySpark und Spark-Kerneln. Weitere Informationen finden Sie unter [sparkmagic](https://github.com/jupyter-incubator/sparkmagic). | Sagemaker-Sparkmagic | + PySpark
+ Spark | Python 3.7 |
| TensorFlow 2.3 CPU-optimiert für Python 3.7 | 30. Oktober 2023 | Die AWS Deep-Learning-Container für TensorFlow 2.3 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind AWS. Weitere Informationen finden Sie unter [AWS Deep-Learning-Container mit TensorFlow 2.3.0](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-with-tensorflow-2-3-0/). | tensorflow-2.3-cpu-py37-ubuntu18.04-v1 | Python 3 | Python 3.7 |
| TensorFlow 2.3 Für Python 3.7 GPU optimiert | 30. Oktober 2023 | Die AWS Deep-Learning-Container für TensorFlow 2.3 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep Learning-Container für TensorFlow 2.3.1 mit CUDA 11.0. ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-3-1-with-cuda-11-0/) | tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 | Python 3 | Python 3.7 |
| TensorFlow 1.15 CPU-optimiert für Python 3.7 | 30. Oktober 2023 | Die AWS Deep-Learning-Container für TensorFlow 1.15 enthalten Container für das CPU-Training, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep Learning Containers v7.0 für. TensorFlow ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-v7-0-for-tensorflow/) | tensorflow-1.15-cpu-py37-ubuntu18.04-v7 | Python 3 | Python 3.7 |
| TensorFlow 1.15 Für Python 3.7 GPU optimiert | 30. Oktober 2023 | Die AWS Deep-Learning-Container für TensorFlow 1.15 mit CUDA 11.0 enthalten Container für das Training auf der GPU, die für Leistung und Skalierbarkeit optimiert sind. AWS Weitere Informationen finden Sie unter [AWS Deep Learning Containers v7.0 für. TensorFlow ](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-v7-0-for-tensorflow/) | tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 | Python 3 | Python 3.7 |