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.
# Richtlinie zur Unterstützung SageMaker vordefinierter Images
Alle [vorgefertigten SageMaker Images](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html), einschließlich Framework-spezifischer Container, integrierter Algorithmuscontainer, Algorithmen und Modellpakete, die in aufgeführt sind, sowie [AWS Deep Learning Containers](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/what-is-dlc.html) werden regelmäßig auf häufig auftretende Sicherheitslücken gescannt AWS Marketplace, die vom Common [Vulnerabilities and Exposures (CVE) Program und der [National Vulnerability](https://nvd.nist.gov/) Database (NVD)](https://www.cve.org/) aufgeführt sind. Weitere Informationen über CVEs finden Sie unter [Häufig gestellte Fragen zu CVE](https://www.cve.org/ResourcesSupport/FAQs). Unterstützte vorgefertigte Container-Images erhalten nach allen Sicherheitspatches eine aktualisierte Nebenversion.
Alle unterstützten Container-Images werden regelmäßig aktualisiert, um alle kritischen CVEs zu beheben. Bei Szenarien mit hohem Schweregrad empfehlen wir Kunden, eine gepatchte Version des Containers in ihrer eigenen [Amazon Elastic Container Registry (Amazon ECR](https://docs.aws.amazon.com/AmazonECR/latest/userguide/what-is-ecr.html)) zu erstellen und zu hosten.
Wenn Sie eine Container-Image-Version ausführen, die nicht mehr unterstützt wird, verfügen Sie möglicherweise nicht über die zuletzt aktualisierten Treiber, Bibliotheken und relevanten Pakete. Für eine aktuelle Version empfehlen wir, ein Upgrade auf eines der unterstützten Frameworks durchzuführen und dabei das neueste Image Ihrer Wahl zu verwenden.
SageMaker KI veröffentlicht keine abgeschlossenen Images für Container in neuen Versionen. AWS-Regionen
**Anmerkung**
Seit August 2024 erhält der `forecasting-deepar`-Container keine Sicherheitspatches oder Aktualisierungen mehr. Sie können diesen Container zwar weiterhin verwenden, gehen jedoch zusätzliche Risiken ein. Container sind veraltet, wenn das gesamte Framework oder die Algorithmen nicht mehr unterstützt werden und das zugrunde liegende MXNet-Framework für den Container das Ende der Wartung erreicht hat.
**Topics**
+ [AWS Supportrichtlinie für Deep Learning Containers (DLC)](#pre-built-containers-support-policy-dlc)
+ [SageMaker Richtlinie zur Unterstützung von AI ML Framework Containern](#pre-built-containers-support-policy-ml-framework)
+ [SageMaker Richtlinie zur Unterstützung von AI Algorithm Container Built-in](#pre-built-containers-support-policy-built-in)
+ [Supportrichtlinie für LLM-Hosting-Container](#pre-built-containers-support-policy-llm-hosting)
+ [Nicht unterstützte Container und Veraltung](#pre-built-containers-support-policy-deprecation)
## AWS Supportrichtlinie für Deep Learning Containers (DLC)
AWS Deep Learning Containers sind eine Reihe von Docker-Images für das Training und die Bereitstellung von Deep-Learning-Modellen. Informationen zur Anzeige verfügbarer Images finden Sie unter [Verfügbare Deep Learning Containers Learning-Container-Images](https://aws.github.io/deep-learning-containers/reference/available_images/).
Das Ende des Patches für DLCs wurde 365 Tage nach dem GitHub Veröffentlichungsdatum erreicht. Patch-Aktualisierungen für DLCs sind keine „direkten“ Aktualisierungen. Sie müssen das vorhandene Image auf Ihrer Instance löschen und das neueste Container-Image abrufen, ohne Ihre Instance zu beenden. Weitere Informationen finden Sie unter [Framework-Supportrichtlinie](https://aws.github.io/deep-learning-containers/reference/support_policy/).
In der [Tabelle AWS Deep Learning Containers Framework Support Policy](https://aws.github.io/deep-learning-containers/reference/support_policy/) können Sie überprüfen, welche Frameworks und Versionen aktiv für AWS DLCs unterstützt werden. Für alle Images, die nicht explizit aufgeführt sind, können Sie in der Tabelle zur Supportrichtlinie nach dem Framework suchen, das einem DLC zugeordnet ist. **PyTorch**In der Tabelle mit den Support-Richtlinien für DLC-Images können Sie beispielsweise `huggingface-pytorch-inference` auf und verweisen. `stabilityai-pytorch-inference`
**Anmerkung**
Wenn ein DLC das HuggingFace [Transformers](https://huggingface.co/docs/transformers/en/index) SDK verwendet, wird nur das Image mit der neuesten Transformers-Version unterstützt. Weitere Informationen finden Sie unter **HuggingFace** auf der Seite [Docker-Registry-Pfade und Beispielcode](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html) für die Region Ihrer Wahl.
## SageMaker Richtlinie zur Unterstützung von AI ML Framework Containern
Bei den SageMaker AI ML Framework-Containern handelt es sich um eine Reihe von Docker-Images für das Training und die Bereitstellung von Workloads für maschinelles Lernen mit Umgebungen, die für gängige Frameworks wie XGBoost und Scikit Learn optimiert sind. Die verfügbaren SageMaker AI ML Framework-Container finden Sie unter [Docker-Registrierungspfade](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html) und Beispielcode. Navigieren Sie zu der AWS Region Ihrer Wahl und suchen Sie nach Bildern mit dem Tag **(Algorithmus)**. SageMaker AI ML Framework-Container halten sich auch an die [Richtlinien zur Unterstützung des AWS Deep Learning Containers Frameworks](https://aws.github.io/deep-learning-containers/reference/support_policy/).
Verwenden Sie die folgenden SDK-Befehle, um die neueste Image-Version für XGBoost 1.7-1 im Framework-Modus abzurufen: SageMaker Python
```
from sagemaker import image_uris
image_uris.retrieve(framework='xgboost',region='us-east-1',version='3.0-5')
```
| Framework | Aktuelle Version | GitHub GA | Patch-Enddatum |
| --- | --- | --- | --- |
| XGBoost | 3,0-5 | 11/17/2025 | 11/17/2026 |
| XGBoost | 1,7-1 | 03/06/2023 | 03/06/2025 |
| XGBoost | 1,5-1 | 02/21/2022 | 02/21/2023 |
| XGBoost | 1,3-1 | 05/21/2021 | 05/21/2022 |
| XGBoost | 1,2-2 | 09/20/2020 | 09/20/2021 |
| XGBoost | 1,2-1 | 07/19/2020 | 07/19/2021 |
| XGBoost | 1,0-1 | > 4 Jahre | Nicht unterstützt |
| Scikit-Learn | 1,4-2 | 10/30/2025 | 10/30/2026 |
| Scikit-Learn | 1,2-1 | 03/06/2023 | 03/06/2025 |
| Scikit-Learn | 1,0-1 | 04/07/2022 | 04/07/2023 |
| Scikit-Learn | 0,23-1 | 3/6/2023 | 06/02/2021 |
| Scikit-Learn | 0,20-1 | > 4 Jahre | Nicht unterstützt |
**Anmerkung**
Scikit-Learn 1.4-2 ist sowohl in den Bildvarianten Python 3.10 (`1.4-2`) als auch Python 3.12 (`1.4-2-py312`) verfügbar. Das Python 3.12-Image enthält [ml-io](https://github.com/awslabs/ml-io) nicht. Kunden, die mlio verwenden, sollten weiterhin das 1.4-2 (Python 3.10) -Image verwenden.
## SageMaker Richtlinie zur Unterstützung von AI Algorithm Container Built-in
Bei den SageMaker AI Built-in Algorithm Containern handelt es sich um eine Reihe von Docker-Images für das Training und die Bereitstellung [der in SageMaker KI integrierten Algorithmen für maschinelles Lernen](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html). Die verfügbaren SageMaker Built-in KI-Algorithmus-Container finden Sie unter [Docker-Registrierungspfade und Beispielcode](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths.html). Navigieren Sie zu der AWS Region Ihrer Wahl und suchen Sie nach Bildern mit dem Tag **(Algorithmus)**.
Patch-Aktualisierungen für integrierte Container-Images sind „direkte“ Aktualisierungen. Um über die neuesten Sicherheitspatches auf dem Laufenden zu bleiben, empfehlen wir, mit dem Image-Tag `latest` die neueste Version des integrierten Algorithmus-Images abzurufen.
| Container-Image | Patch-Enddatum |
| --- | --- |
| `blazingtext:latest` | 05/15/2024 |
| `factorization-machines:latest` | 05/15/2024 |
| `forecasting-deepar:latest` | 08/26/2025 |
| `image-classification:latest` | 05/15/2024 |
| `instance-segmentation:latest` | 05/15/2024 |
| `ipembeddings:latest` | 05/15/2024 |
| `ipinsights:latest` | 05/15/2024 |
| `kmeans:latest` | 05/15/2024 |
| `knn:latest` | 05/15/2024 |
| `linear-learner:inference-cpu-1/training-cpu-1` | 05/15/2024 |
| `linear-learner:latest` | 05/15/2024 |
| `mxnet-algorithms:training-cpu/inference-cpu` | 05/15/2024 |
| `ntm:latest` | 05/15/2024 |
| `object-detection:latest` | 05/15/2024 |
| `object2vec:latest` | 05/15/2024 |
| `pca:latest` | 05/15/2024 |
| `randomcutforest:latest` | 05/15/2024 |
| `semantic-segmentation:latest` | 05/15/2024 |
| `seq2seq:latest` | 05/15/2024 |
## Supportrichtlinie für LLM-Hosting-Container
[LLM-Hosting-Container](https://github.com/awslabs/llm-hosting-container) wie die TGI-Container (HuggingFaceText Generation Inference) haben das Ende des Patches 30 Tage nach ihrem Veröffentlichungsdatum erreicht. GitHub
**Wichtig**
Bei größeren Versionsaktualisierungen wird eine Ausnahme gemacht. Wenn das HuggingFace Text Generation Inference (TGI) -Toolkit beispielsweise auf TGI 2.0 aktualisiert wird, unterstützen wir weiterhin die neueste Version von TGI 1.4 für einen Zeitraum von drei Monaten ab dem Datum der Veröffentlichung. GitHub
| Toolkit-Container | Aktuelle Version | GitHub GA | Patch-Enddatum |
| --- | --- | --- | --- |
| TGI | tgi2.3.1 | 10/14/2024 | 11/14/2024 |
| TGI | optimal 0.0.25 | 10/04/2024 | 11/04/2024 |
| TGI | tgi2.2.0 | 07/26/2024 | 08/30/2024 |
| TGI | tgi2.0.0 | 05/15/2024 | 08/15/2024 |
| TGI | tgi1.4.5 | 04/03/2024 | 07/03/2024 |
| TGI | tgi1.4.2 | 02/22/2024 | 03/22/2024 |
| TGI | tgi1.4.0 | 01/29/2024 | 02/29/2024 |
| TGI | tgi1.3.3 | 12/19/2023 | 01/19/2024 |
| TGI | tgi1.3.1 | 12/11/2023 | 01/11/2024 |
| TGI | tgi1.2.0 | 12/04/2023 | 01/04/2024 |
| TGI | optimal 0.0.24 | 08/23/2024 | 09/30/2024 |
| TGI | optimal 0.0.23 | 07/26/2024 | 08/30/2024 |
| TGI | optimal 0.0.21 | 05/10/2024 | 08/15/2024 |
| TGI | optimal 0.0.19 | 02/19/2024 | 03/19/2024 |
| TGI | optimal 0.0.18 | 02/01/2024 | 03/01/2024 |
| TGI | optimal 0.0.17 | 01/24/2024 | 02/24/2024 |
| TGI | optimal 0.0.16 | 01/18/2024 | 02/18/2024 |
| TEI | tei1.4.0 | 08/01/2024 | 09/01/2024 |
| TEI | tei1.2.3 | 04/26/2024 | 05/26/2024 |
## Nicht unterstützte Container und Veraltung
Wenn ein Container das Enddatum für Patches erreicht oder veraltet ist, erhält er keine Sicherheitspatches mehr. Container sind veraltet, wenn ganze Frameworks oder Algorithmen nicht mehr unterstützt werden.
Die folgenden Container werden nicht mehr unterstützt:
+ Seit August 2024 erhält der `forecasting-deepar`-Container keine Sicherheitspatches oder Aktualisierungen mehr, da das zugrunde liegende MXNet-Framework für den Container das Wartungsende erreicht hat.
+ Ab April 2024 werden [Container für SageMaker KI Reinforcement Learning (RL)](https://github.com/aws/sagemaker-rl-container) nicht mehr unterstützt. Informationen zum Erstellen eigener RL-Images finden Sie unter [Erstellen Ihres Images](https://github.com/aws/sagemaker-rl-container#building-your-image) im SageMaker AI GitHub RL-Container-Repository.
+ Stand September 2023, JumpStart Branche: Finanzcontainer werden nicht mehr unterstützt.