Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Mengunggah gambar Anda ke Amazon Elastic Container Registry
Setelah membuat gambar inferensi dan pelatihan, Anda dapat mengunggahnya ke Amazon Elastic Container Registry. [Amazon ECR adalah registri](https://aws.amazon.com/ecr/) Docker yang dikelola sepenuhnya. Amazon SageMaker AI menarik gambar dari Amazon ECR untuk membuat paket model untuk inferensi atau algoritma untuk pekerjaan pelatihan. AWS Marketplace juga mengambil gambar-gambar ini dari Amazon ECR untuk mempublikasikan paket model dan produk algoritme Anda. Topik ini memberikan panduan untuk mengunggah inferensi dan gambar pelatihan Anda ke Amazon ECR
**Topics**
+ [Gambar mana yang harus saya unggah?](#ml-which-images-must-i-upload)
+ [Izin IAM apa yang diperlukan?](#ml-what-iam-permissions-are-required)
+ [Log klien Docker Anda ke AWS](#ml-log-in-your-docker-client)
+ [Buat repositori dan unggah gambar](#ml-create-repository-and-upload-image)
+ [Pindai gambar yang Anda unggah](#ml-scan-your-uploaded-image)
## Gambar mana yang harus saya unggah?
Jika Anda menerbitkan paket model, unggah hanya gambar inferensi. Jika Anda menerbitkan algoritme, unggah gambar inferensi dan gambar pelatihan. Jika gambar inferensi dan pelatihan digabungkan, unggah gambar gabungan hanya sekali.
## Izin IAM apa yang diperlukan?
Langkah-langkah berikut mengasumsikan bahwa mesin lokal memiliki AWS kredensyal yang benar untuk peran AWS Identity and Access Management (IAM) atau pengguna di penjual. Akun AWS Peran atau pengguna harus memiliki kebijakan yang benar untuk keduanya AWS Marketplace dan Amazon ECR. Misalnya, Anda dapat menggunakan kebijakan AWS terkelola berikut:
+ [https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AWSMarketplaceSellerProductsFullAccess.html](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AWSMarketplaceSellerProductsFullAccess.html)— Untuk akses ke AWS Marketplace
+ [https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonEC2ContainerRegistryFullAccess.html](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonEC2ContainerRegistryFullAccess.html)— Untuk akses ke Amazon ECR
**catatan**
Tautan akan membawa Anda ke *Referensi Kebijakan AWS Terkelola*.
## Log klien Docker Anda ke AWS
Tetapkan variabel untuk Wilayah AWS yang ingin Anda publikasikan dari (lihat[Didukung Wilayah AWS untuk penerbitan](ml-service-restrictions-and-limits.md#ml-supported-aws-regions-for-publishing)). Untuk contoh ini, gunakan Wilayah Timur AS (Ohio).
```
region=us-east-2
```
Jalankan perintah berikut untuk mengatur variabel dengan Akun AWS ID Anda. Contoh ini mengasumsikan bahwa kredensyal current AWS Command Line Interface (AWS CLI) milik penjual. Akun AWS
```
account=$(aws sts get-caller-identity --query Account --output text)
```
Untuk mengautentikasi klien CLI Docker Anda dengan registri Akun AWS Amazon ECR Docker untuk Wilayah Anda, jalankan perintah berikut.
```
aws ecr get-login-password \
--region ${region} \
| sudo docker login \
--username AWS \
--password-stdin \
${account}.dkr.ecr.${region}.amazonaws.com
```
## Buat repositori dan unggah gambar
Tetapkan variabel untuk tag gambar yang diunggah dan variabel lain untuk nama repositori gambar yang diunggah.
```
image=my-inference-image
repo=my-inference-image
```
**catatan**
Di bagian sebelumnya dari panduan ini di mana gambar inferensi dan pelatihan dibangun, masing-masing diberi tag sebagai **my-inference-image**dan **my-training-image**. Untuk contoh ini, buat dan unggah gambar inferensi ke repositori dengan nama yang sama.
Jalankan perintah berikut untuk membuat repositori gambar di Amazon ECR.
```
aws ecr --region ${region} create-repository --repository-name "${repo}"
```
Nama lengkap lokasi repositori Amazon ECR terdiri dari bagian-bagian berikut: ` .dkr.ecr..amazonaws.com/`
Untuk mendorong gambar ke repositori, Anda harus menandainya dengan nama lengkap lokasi repositori.
Tetapkan variabel untuk nama lengkap lokasi repositori gambar bersama dengan tag. `latest`
```
fullname="${account}.dkr.ecr.${region}.amazonaws.com/${repo}:latest"
```
Tandai gambar dengan nama lengkap.
```
sudo docker tag ${image} ${fullname}
```
Terakhir, dorong gambar inferensi ke repositori di Amazon ECR.
```
sudo docker push ${fullname}
```
Setelah unggahan selesai, gambar muncul di [daftar repositori konsol Amazon ECR](https://console.aws.amazon.com/ecr/repositories?region=us-east-2) di Wilayah tempat Anda menerbitkan. Pada contoh sebelumnya, gambar didorong ke repositori di Wilayah Timur AS (Ohio).
## Pindai gambar yang Anda unggah
Di [konsol Amazon ECR](https://console.aws.amazon.com/ecr/repositories?region=us-east-2), pilih tempat Wilayah AWS Anda menerbitkan, dan buka repositori tempat gambar diunggah. Pilih gambar yang Anda unggah dan mulai pemindaian untuk memeriksa kerentanan yang diketahui. AWS Marketplace memeriksa hasil pemindaian Amazon ECR dari gambar kontainer yang digunakan dalam sumber daya Amazon SageMaker AI Anda sebelum menerbitkannya. Sebelum Anda dapat membuat produk Anda, Anda harus memperbaiki gambar kontainer yang memiliki kerentanan dengan tingkat keparahan Kritis atau Tinggi.
Setelah gambar Anda berhasil dipindai, gambar tersebut dapat digunakan untuk membuat paket model atau sumber daya algoritme.
Jika Anda yakin bahwa produk Anda memiliki kesalahan dalam pemindaian yang positif palsu, hubungi tim [Operasi AWS Marketplace Penjual](https://aws.amazon.com/marketplace/management/contact-us) dengan informasi tentang kesalahan tersebut.
**Langkah selanjutnya**
+ Lihat batas ukuran di [Persyaratan dan praktik terbaik untuk membuat produk pembelajaran mesin](ml-listing-requirements-and-best-practices.md)
+ Lanjutkan ke [Membuat sumber daya Amazon SageMaker AI Anda](ml-creating-your-amazon-sagemaker-resource.md)