기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Studio Classic 노트북에 사용할 수 있는 Amazon SageMaker 이미지
**중요**
2023년 11월 30일부로 이전 Amazon SageMaker Studio 경험의 이름이 Amazon SageMaker Studio Classic으로 변경되었습니다. 다음 섹션은 Studio Classic 애플리케이션 사용에 관해 다룹니다. 업데이트된 Studio 환경 사용에 대한 자세한 내용은 [Amazon SageMaker Studio](studio-updated.md) 섹션을 참조하세요.
Studio Classic은 기존 워크로드에 대해 유지 관리되지만 더 이상 온보딩에 사용할 수 없습니다. 기존 Studio Classic 애플리케이션만 중지하거나 삭제할 수 있으며 새 애플리케이션을 생성할 수 없습니다. [워크로드를 새 Studio 환경으로 마이그레이션하는](studio-updated-migrate.md) 것이 좋습니다.
이 페이지에는 Amazon SageMaker Studio에서 사용할 수 있는 SageMaker 이미지 및 관련 커널이 나열되어 있습니다. 이 페이지에서는 각 이미지에 대한 ARN을 만드는 데 필요한 형식에 대한 정보도 제공합니다. SageMaker 이미지에는 최신 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) 및 최신 버전의 커널이 포함되어 있습니다. 자세한 내용은 [딥 러닝 컨테이너 이미지](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/deep-learning-containers-images.html)를 참조하세요.
**Topics**
+ [이미지 ARN 형식](#notebooks-available-images-arn)
+ [지원되는 URI 태그](#notebooks-available-uri-tag)
+ [지원되는 이미지](#notebooks-available-images-supported)
+ [지원 중단이 예정된 이미지](#notebooks-available-images-deprecation)
+ [더 이상 사용되지 않는 이미지](#notebooks-available-images-deprecated)
## 이미지 ARN 형식
다음 표에는 각 리전에 대한 이미지 ARN 및 URI 형식이 나와 있습니다. 이미지에 대한 전체 ARN을 만들려면 {{resource-identifier}} 자리 표시자를 이미지에 대한 해당 리소스 식별자로 바꾸세요. 리소스 식별자는 SageMaker 이미지 및 커널 테이블에 있습니다. 이미지에 대한 전체 URI를 만들려면 {{tag}} 자리 표시자를 해당 cpu 또는 gpu 태그로 바꾸세요. 사용할 수 있는 태그 목록은 [지원되는 URI 태그](#notebooks-available-uri-tag) 섹션을 참조하세요.
**참고**
SageMaker Distribution 이미지는 다음 표에 나열된 고유한 이미지 ARN 세트를 사용합니다.
| 리전 | 이미지 ARN 형식 | SageMaker Distribution 이미지 ARN 포맷 | SageMaker Distribution 이미지 URI 형식 |
| --- | --- | --- | --- |
| 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-distribution-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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-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-distribution-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-distribution-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-distribution-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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-prod:{{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-distribution-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-distribution-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-distribution-prod:{{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-distribution-prod:{{tag}} |
## 지원되는 URI 태그
다음 목록은 이미지 URI에 포함할 수 있는 태그를 보여줍니다.
+ 1-cpu
+ 1-gpu
+ 0-cpu
+ 0-gpu
**다음 예시에서는 다양한 태그 형식이 있는 URI를 보여줍니다.**
+ 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
## 지원되는 이미지
다음 표에는 Amazon SageMaker Studio Classic에서 사용할 수 있는 SageMaker 이미지 및 관련 커널이 나와 있습니다. 또한 이미지에 포함된 리소스 식별자 및 Python 버전에 대한 정보도 제공합니다.
SageMaker 이미지 및 커널
| SageMaker 이미지 | 설명 | 리소스 식별자 | 커널(및 식별자) | Python 버전 |
| --- | --- | --- | --- | --- |
| Base Python 4.3 | boto3 및가 AWS CLI 포함된 DockerHub의 공식 Python 3.11 이미지. | sagemaker-base-python-v4 | Python 3(python3) | Python 3.11 |
| Base Python 4.2 | boto3 및가 AWS CLI 포함된 DockerHub의 공식 Python 3.11 이미지. | sagemaker-base-python-v4 | Python 3(python3) | Python 3.11 |
| Base Python 4.1 | boto3 및가 AWS CLI 포함된 DockerHub의 공식 Python 3.11 이미지. | sagemaker-base-python-v4 | Python 3(python3) | Python 3.11 |
| Base Python 4.0 | boto3 및가 AWS CLI 포함된 DockerHub의 공식 Python 3.11 이미지. | sagemaker-base-python-v4 | Python 3(python3) | Python 3.11 |
| Base Python 3.0 | boto3 및 AWS CLI 이 포함된 DockerHub의 공식 Python 3.10 이미지입니다. | sagemaker-base-python-310-v1 | Python 3(python3) | Python 3.10 |
| Data Science 5.3 | Data Science 5.3은 Ubuntu 버전 jammy-20240212를 기반으로 하는 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-v5 | Python 3(python3) | Python 3.11 |
| Data Science 5.2 | Data Science 5.2는 Ubuntu 버전 jammy-20240212를 기반으로 하는 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-v5 | Python 3(python3) | Python 3.11 |
| Data Science 5.1 | Data Science 5.1은 Ubuntu 버전 jammy-20240212를 기반으로 하는 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-v5 | Python 3(python3) | Python 3.11 |
| Data Science 5.0 | Data Science 5.0은 Ubuntu 버전 jammy-20240212를 기반으로 하는 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-v5 | Python 3(python3) | Python 3.11 |
| Data Science 4.0 | Data Science 4.0은 Ubuntu 버전 22.04를 기반으로 하는 Python 3.11 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-311-v1 | Python 3(python3) | Python 3.11 |
| 데이터 과학 3.0 | Data Science 3.0은 Ubuntu 버전 22.04를 기반으로 하는 Python 3.10 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-310-v1 | Python 3(python3) | Python 3.10 |
| 지리공간 1.0 | Amazon SageMaker 지리공간은 GDAL, Fiona, GeoPandas, Shapely, Rasterio와 같이 일반적으로 사용되는 지리공간 라이브러리로 구성된 Python 이미지입니다. 이를 통해 SageMaker AI 내에서 지리 공간 데이터를 시각화할 수 있습니다. 자세한 내용은 [Amazon SageMaker 지리공간 노트북 SDK](https://docs.aws.amazon.com/sagemaker/latest/dg/geospatial-notebook-sdk.html)를 참조하세요. | sagemaker-geospatial-1.0 | Python 3(python3) | Python 3.10 |
| SparkAnalytics 4.3 | SparkAnalytics 4.3 이미지는 Amazon SageMaker Studio Classic에서 SparkMagic Spark, SparkMagic PySpark, Glue Spark 및 Glue PySpark를 포함한 Spark 및 PySpark 커널 옵션을 제공하여 유연한 분산 데이터 처리를 가능하게 합니다. | sagemaker-spark-analytics-v4 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.11 |
| SparkAnalytics 4.2 | SparkAnalytics 4.2 이미지는 Amazon SageMaker Studio Classic에서 SparkMagic Spark, SparkMagic PySpark, Glue Spark 및 Glue PySpark를 포함한 Spark 및 PySpark 커널 옵션을 제공하여 유연한 분산 데이터 처리를 가능하게 합니다. | sagemaker-spark-analytics-v4 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.11 |
| SparkAnalytics 4.1 | SparkAnalytics 4.1 이미지는 Amazon SageMaker Studio Classic에서 SparkMagic Spark, SparkMagic PySpark, Glue Spark 및 Glue PySpark를 포함한 Spark 및 PySpark 커널 옵션을 제공하여 유연한 분산 데이터 처리를 가능하게 합니다. | sagemaker-spark-analytics-v4 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.11 |
| SparkAnalytics 4.0 | SparkAnalytics 4.0 이미지는 Amazon SageMaker Studio Classic에서 SparkMagic Spark, SparkMagic PySpark, Glue Spark 및 Glue PySpark를 포함한 Spark 및 PySpark 커널 옵션을 제공하여 유연한 분산 데이터 처리를 가능하게 합니다. | sagemaker-spark-analytics-v4 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.11 |
| SparkAnalytics 3.0 | SparkAnalytics 3.0 이미지는 Amazon SageMaker Studio Classic에서 SparkMagic Spark, SparkMagic PySpark, Glue Spark 및 Glue PySpark를 포함한 Spark 및 PySpark 커널 옵션을 제공하여 유연한 분산 데이터 처리를 가능하게 합니다. | sagemaker-sparkanalytics-311-v1 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.11 |
| SparkAnalytics 2.0 | PySpark 및 Spark 커널이 포함된 Anaconda 개별판입니다. 자세한 내용은 [sparkmagic](https://github.com/jupyter-incubator/sparkmagic)을 참조하세요. | sagemaker-sparkanalytics-310-v1 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.10 |
| PyTorch 2.4.0 Python 3.11 CPU Optimized | CUDA 12.4를 사용하는 PyTorch 2.4.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.4.0-cpu-py311 | Python 3(python3) | Python 3.11 |
| PyTorch 2.4.0 Python 3.11 GPU Optimized | CUDA 12.4를 사용하는 PyTorch 2.4.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.4.0-gpu-py311 | Python 3(python3) | Python 3.11 |
| PyTorch 2.3.0 Python 3.11 CPU 최적화됨 | CUDA 12.1을 사용하는 PyTorch 2.3.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.3.0-cpu-py311 | Python 3(python3) | Python 3.11 |
| PyTorch 2.3.0 Python 3.11 GPU 최적화됨 | CUDA 12.1을 사용하는 PyTorch 2.3.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.3.0-gpu-py311 | Python 3(python3) | Python 3.11 |
| PyTorch 2.2.0 Python 3.10 CPU 최적화됨 | CUDA 12.1을 사용하는 PyTorch 2.2용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.2.0-cpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 2.2.0 Python 3.10 GPU 최적화됨 | CUDA 12.1을 사용하는 PyTorch 2.2용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.2.0-gpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 2.1.0 Python 3.10 CPU 최적화됨 | CUDA 12.1을 사용하는 PyTorch 2.1용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.1.0-cpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 2.1.0 Python 3.10 GPU 최적화됨 | CUDA 12.1이 탑재된 PyTorch 2.1용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.1.0-gpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 1.13 HuggingFace Python 3.10 Neuron 최적화됨 | AWS에서 성능 및 규모 조정에 최적화된 Trainium 인스턴스에 대한 훈련을 위해 HuggingFace 및 Neuron 패키지가 설치된 PyTorch 1.13 이미지 | pytorch-1.13-hf-neuron-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 1.13 Python 3.10 Neuron 최적화됨 | AWS에서 성능 및 규모 조정에 최적화된 Trainium 인스턴스에 대한 훈련을 위해 Neuron 패키지가 설치된 PyTorch 1.13 이미지 | pytorch-1.13-neuron-py310 | Python 3(python3) | Python 3.10 |
| TensorFlow 2.14.0 Python 3.10 CPU 최적화됨 | CUDA 11.8을 사용하는 TensorFlow 2.14용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | 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 최적화됨 | CUDA 11.8이 탑재된 TensorFlow 2.14용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | tensorflow-2.14.1-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 | Python 3(python3) | Python 3.10 |
## 지원 중단이 예정된 이미지
SageMaker AI는 이미지의 패키지 중 하나가 게시자에 의해 수명이 종료된 다음 날 이미지에 대한 지원을 종료합니다. 다음 SageMaker 이미지는 지원 중단될 예정입니다.
Python 3.8을 기반으로 한 이미지는 2024년 10월 31일에 [수명이 종료](https://endoflife.date/python)되었습니다. SageMaker AI는 2024년 11월 1일부터 이러한 이미지에 대한 지원을 중단하며 Studio Classic UI에서 이러한 이미지를 선택할 수 없습니다. 비준수 문제를 방지하려면 이러한 이미지를 사용하는 경우 최신 버전의 이미지로 이동하는 것이 좋습니다.
지원 중단이 예정된 SageMaker 이미지
| SageMaker 이미지 | 사용 중단 날짜 | 설명 | 리소스 식별자 | 커널 | Python 버전 |
| --- | --- | --- | --- | --- | --- |
| SageMaker Distribution v0.12 CPU | 2024년 11월 1일 | SageMaker Distribution v0 CPU는 CPU의 기계 학습, 데이터 과학 및 시각화에 널리 사용되는 프레임워크를 포함하는 Python 3.8 이미지입니다. 여기에는 PyTorch, TensorFlow, Keras와 같은 딥 러닝 프레임워크, numpy, scikit-learn, pandas와 같은 인기 있는 Python 패키지, Jupyter Lab과 같은 IDE가 포함됩니다. 자세한 내용은 [Amazon SageMaker AI Distribution](https://github.com/aws/sagemaker-distribution) 리포지토리를 참조하세요. | sagemaker-distribution-cpu-v0 | Python 3(python3) | Python 3.8 |
| SageMaker Distribution v0.12 GPU | 2024년 11월 1일 | SageMaker Distribution v0 GPU는 GPU의 기계 학습, 데이터 과학 및 시각화에 널리 사용되는 프레임워크를 포함하는 Python 3.8 이미지입니다. 여기에는 PyTorch, TensorFlow, Keras와 같은 딥 러닝 프레임워크, numpy, scikit-learn, pandas와 같은 인기 있는 Python 패키지, Jupyter Lab과 같은 IDE가 포함됩니다. 자세한 내용은 [Amazon SageMaker AI Distribution](https://github.com/aws/sagemaker-distribution) 리포지토리를 참조하세요. | sagemaker-distribution-gpu-v0 | Python 3(python3) | Python 3.8 |
| Base Python 2.0 | 2024년 11월 1일 | boto3 및 AWS CLI 이 포함된 DockerHub의 공식 Python 3.8 이미지입니다. | sagemaker-base-python-38 | Python 3(python3) | Python 3.8 |
| 데이터 과학 2.0 | 2024년 11월 1일 | Data Science 2.0은 Ubuntu 버전 22.04를 기반으로 하는 Python 3.8 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. 여기에는 NumPy와 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지와 라이브러리가 포함되어 있습니다. | sagemaker-data-science-38 | Python 3(python3) | Python 3.8 |
| PyTorch 1.13 Python 3.9 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.3을 사용하는 PyTorch 1.13용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-1.13-cpu-py39 | Python 3(python3) | Python 3.9 |
| PyTorch 1.13 Python 3.9 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.7이 탑재된 PyTorch 1.13용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-1.13-gpu-py39 | Python 3(python3) | Python 3.9 |
| PyTorch 1.12 Python 3.8 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.3을 사용하는 PyTorch 1.12용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [PyTorch 1.12.0용AWS 딥 러닝 컨테이너](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-12-0-on-sagemaker/)를 참조하세요. | pytorch-1.12-cpu-py38 | Python 3(python3) | Python 3.8 |
| PyTorch 1.12 Python 3.8 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.3이 탑재된 PyTorch 1.12용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [PyTorch 1.12.0용AWS 딥 러닝 컨테이너](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-12-0-on-sagemaker/)를 참조하세요. | pytorch-1.12-gpu-py38 | Python 3(python3) | Python 3.8 |
| PyTorch 1.10 Python 3.8 CPU 최적화됨 | 2024년 11월 1일 | PyTorch 1.10용 AWS 딥 러닝 컨테이너에는에서 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [AWS Deep Learning Containers for PyTorch 1.10.2 on SageMaker AI](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-10-2-on-sagemaker/)를 참조하세요. | pytorch-1.10-cpu-py38 | Python 3(python3) | Python 3.8 |
| PyTorch 1.10 Python 3.8 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.3이 탑재된 PyTorch 1.10용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [AWS Deep Learning Containers for PyTorch 1.10.2 on SageMaker AI](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-pytorch-1-10-2-on-sagemaker/)를 참조하세요. | pytorch-1.10-gpu-py38 | Python 3(python3) | Python 3.8 |
| SparkAnalytics 1.0 | 2024년 11월 1일 | PySpark 및 Spark 커널이 포함된 Anaconda 개별판입니다. 자세한 내용은 [sparkmagic](https://github.com/jupyter-incubator/sparkmagic)을 참조하세요. | sagemaker-sparkanalytics-v1 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.8 |
| TensorFlow 2.13.0 Python 3.10 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.8이 탑재된 TensorFlow 2.13용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | 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 최적화됨 | 2024년 11월 1일 | CUDA 11.8이 탑재된 TensorFlow 2.13용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | tensorflow-2.13.0-gpu-py310-cu118-ubuntu20.04-sagemaker-v1.0 | Python 3(python3) | Python 3.10 |
| TensorFlow 2.6 Python 3.8 CPU 최적화됨 | 2024년 11월 1일 | TensorFlow 2.6용 AWS 딥 러닝 컨테이너에는에서 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [TensorFlow 2.6용AWS 딥 러닝 컨테이너](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-6/)를 참조하세요. | tensorflow-2.6-cpu-py38-ubuntu20.04-v1 | Python 3(python3) | Python 3.8 |
| TensorFlow 2.6 Python 3.8 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.2가 탑재된 TensorFlow 2.6용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [TensorFlow 2.6용AWS 딥 러닝 컨테이너](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-6/)를 참조하세요. | tensorflow-2.6-gpu-py38-cu112-ubuntu20.04-v1 | Python 3(python3) | Python 3.8 |
| PyTorch 2.0.1 Python 3.10 CPU 최적화됨 | 2024년 11월 1일 | CUDA 12.1을 사용하는 PyTorch 2.0.1용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.0.1-cpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 2.0.1 Python 3.10 GPU 최적화됨 | 2024년 11월 1일 | CUDA 12.1이 탑재된 PyTorch 2.0.1용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.0.1-gpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 2.0.0 Python 3.10 CPU 최적화됨 | 2024년 11월 1일 | PyTorch 2.0.0용 AWS 딥 러닝 컨테이너에는에서 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.0.0-cpu-py310 | Python 3(python3) | Python 3.10 |
| PyTorch 2.0.0 Python 3.10 GPU 최적화됨 | 2024년 11월 1일 | CUDA 11.8을 사용하는 PyTorch 2.0.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | pytorch-2.0.0-gpu-py310 | Python 3(python3) | Python 3.10 |
| TensorFlow 2.12.0 Python 3.10 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.2가 탑재된 TensorFlow 2.12.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | tensorflow-2.12.0-cpu-py310-ubuntu20.04-sagemaker-v1.0 | Python 3(python3) | Python 3.10 |
| TensorFlow 2.12.0 Python 3.10 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.8이 탑재된 TensorFlow 2.12.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | 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 최적화됨 | 2024년 11월 1일 | CUDA 11.2가 탑재된 TensorFlow 2.11.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | tensorflow-2.11.0-cpu-py39-ubuntu20.04-sagemaker-v1.1 | Python 3(python3) | Python 3.9 |
| TensorFlow 2.11.0 Python 3.9 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.2가 탑재된 TensorFlow 2.11.0용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | 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 최적화됨 | 2024년 11월 1일 | CUDA 11.2가 탑재된 TensorFlow 2.10용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | tensorflow-2.10.1-cpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3(python3) | Python 3.9 |
| TensorFlow 2.10 Python 3.9 CPU 최적화됨 | 2024년 11월 1일 | CUDA 11.2가 탑재된 TensorFlow 2.10용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [딥 러닝 컨테이너 릴리스 노트](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/dlc-release-notes.html)를 참조하세요. | tensorflow-2.10.1-gpu-py39-ubuntu20.04-sagemaker-v1.2 | Python 3(python3) | Python 3.9 |
## 더 이상 사용되지 않는 이미지
SageMaker AI는 다음 이미지에 대한 지원을 종료했습니다. 지원 종료는 이미지의 패키지가 게시자에 의해 수명 종료에 도달한 다음 날 발생합니다.
지원 중단이 예정된 SageMaker 이미지
| SageMaker 이미지 | 사용 중단 날짜 | 설명 | 리소스 식별자 | 커널 | Python 버전 |
| --- | --- | --- | --- | --- | --- |
| 데이터 과학 | 2023년 10월 30일 | Data Science는 NumPy 및 SciKit Learn과 같이 가장 일반적으로 사용되는 Python 패키지 및 라이브러리가 포함된 Python 3.7 [conda](https://docs.conda.io/projects/conda/en/latest/index.html) 이미지입니다. | datascience-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart 데이터 과학 1.0 | 2023년 10월 30일 | SageMaker JumpStart Data Science 1.0은 일반적으로 사용되는 패키지와 라이브러리가 포함된 JumpStart 이미지입니다. | sagemaker-jumpstart-data-science-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart MXNet 1.0 | 2023년 10월 30일 | SageMaker JumpStart MXNet 1.0은 MXNet을 포함하는 JumpStart 이미지입니다. | sagemaker-jumpstart-mxnet-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart PyTorch 1.0 | 2023년 10월 30일 | SageMaker JumpStart PyTorch 1.0은 PyTorch를 포함하는 JumpStart 이미지입니다. | sagemaker-jumpstart-pytorch-1.0 | Python 3 | Python 3.7 |
| SageMaker JumpStart TensorFlow 1.0 | 2023년 10월 30일 | SageMaker JumpStart TensorFlow 1.0은 TensorFlow를 포함하는 JumpStart 이미지입니다. | sagemaker-jumpstart-tensorflow-1.0 | Python 3 | Python 3.7 |
| SparkMagic | 2023년 10월 30일 | PySpark 및 Spark 커널이 포함된 Anaconda 개별판입니다. 자세한 내용은 [sparkmagic](https://github.com/jupyter-incubator/sparkmagic)을 참조하세요. | sagemaker-sparkmagic | [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/notebooks-available-images.html) | Python 3.7 |
| TensorFlow 2.3 Python 3.7 CPU 최적화됨 | 2023년 10월 30일 | TensorFlow 2.3용 AWS 딥 러닝 컨테이너에는에서 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [TensorFlow 2.3.0이 포함된AWS 딥 러닝 컨테이너](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-with-tensorflow-2-3-0/)를 참조하세요. | tensorflow-2.3-cpu-py37-ubuntu18.04-v1 | Python 3 | Python 3.7 |
| TensorFlow 2.3 Python 3.7 CPU 최적화됨 | 2023년 10월 30일 | CUDA 11.0이 탑재된 TensorFlow 2.3용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [CUDA 11.0이 포함된 TensorFlow 2.3.1용AWS 딥 러닝 컨테이너](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-for-tensorflow-2-3-1-with-cuda-11-0/)를 참조하세요. | tensorflow-2.3-gpu-py37-cu110-ubuntu18.04-v3 | Python 3 | Python 3.7 |
| TensorFlow 1.15 Python 3.7 CPU 최적화됨 | 2023년 10월 30일 | TensorFlow 1.15용 AWS 딥 러닝 컨테이너에는에서 성능 및 확장에 최적화된 CPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [TensorFlow용AWS 딥 러닝 컨테이너 v7.0](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-v7-0-for-tensorflow/)을 참조하세요. | tensorflow-1.15-cpu-py37-ubuntu18.04-v7 | Python 3 | Python 3.7 |
| TensorFlow 1.15 Python 3.7 CPU 최적화됨 | 2023년 10월 30일 | CUDA 11.0이 탑재된 TensorFlow 1.15용 AWS 딥 러닝 컨테이너에는 성능 및 확장에 최적화된 GPU 훈련용 컨테이너가 포함되어 있습니다 AWS. 자세한 내용은 [TensorFlow용AWS 딥 러닝 컨테이너 v7.0](https://aws.amazon.com/releasenotes/aws-deep-learning-containers-v7-0-for-tensorflow/)을 참조하세요. | tensorflow-1.15-gpu-py37-cu110-ubuntu18.04-v8 | Python 3 | Python 3.7 |