As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Acessando imagens do Docker para o Scikit-learn Spark ML
<a name="pre-built-docker-containers-scikit-learn-spark"></a>

SageMaker A IA fornece imagens pré-criadas do Docker que instalam as bibliotecas scikit-learn e Spark ML. Essas bibliotecas também incluem as dependências necessárias para criar imagens do Docker compatíveis com SageMaker IA usando o SDK do Amazon [Python SageMaker ](https://sagemaker.readthedocs.io/en/stable). Com o SDK, você pode usar o scikit-learn para tarefas de machine learning e o SparkML para criar e ajustar pipelines de machine learning. Para obter instruções sobre como instalar e usar o SDK, consulte [Python SDK do SageMaker ](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk). 

Você também pode acessar as imagens de um repositório Amazon ECR em seu próprio ambiente.

Use os seguintes comandos para descobrir quais versões das imagens estão disponíveis: Por exemplo, use o seguinte para encontrar a imagem `sagemaker-sparkml-serving` disponível na região `ca-central-1`:

```
aws \
    ecr describe-images \
    --region ca-central-1 \
    --registry-id 341280168497 \
    --repository-name sagemaker-sparkml-serving
```

## Acessando uma imagem do SageMaker SDK AI Python
<a name="pre-built-docker-containers-scikit-learn-spark-sdk"></a>

A tabela a seguir contém links para os GitHub repositórios com o código-fonte dos contêineres scikit-learn e Spark ML. A tabela também contém links para instruções que mostram como usar esses contêineres com os estimadores do Python SDK para executar seus próprios algoritmos de treinamento e hospedar seus próprios modelos. 


| Biblioteca | Código-fonte da imagem do Docker pré-compilada | Instruções | 
| --- | --- | --- | 
| scikit-learn | [SageMaker Scikit-learn Contêineres AI](https://github.com/aws/sagemaker-scikit-learn-container) | [Usando Scikit-learn com o Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/using_sklearn.html) | 
| SparkML | [SageMaker Contêineres de serviço AI Spark ML](https://github.com/aws/sagemaker-sparkml-serving-container) | [Documentação do SparkML Python SDK](https://sagemaker.readthedocs.io/en/stable/sagemaker.sparkml.html) | 

Para obter mais informações e links para os repositórios do github, consulte [Recursos para usar Scikit-learn com a Amazon SageMaker AI](sklearn.md) e [Recursos para usar o SparkML Serving com a Amazon AI SageMaker](sparkml-serving.md).

## Especificar manualmente as imagens pré-compiladas
<a name="pre-built-containers-scikit-learn-manual"></a>

Se você não estiver usando o SDK do SageMaker Python e um de seus estimadores para gerenciar o contêiner, precisará recuperar manualmente o contêiner pré-criado relevante. As imagens pré-criadas do Docker com SageMaker IA são armazenadas no Amazon Elastic Container Registry (Amazon ECR). Você pode enviá-los ou retirá-los usando seus endereços de registro de nome completo. SageMaker A IA usa os seguintes padrões de URL de imagem do Docker para scikit-learn e Spark ML:
+ `{{<ACCOUNT_ID>}}.dkr.ecr.{{<REGION_NAME>}}.amazonaws.com/sagemaker-scikit-learn:{{<SCIKIT-LEARN_VERSION>}}-cpu-py{{<PYTHON_VERSION>}}`

  Por exemplo, `{{746614075791}}.dkr.ecr.{{us-west-1}}.amazonaws.com/{{sagemaker-scikit-learn:1.2-1-cpu-py3}}`.
+ `{{<ACCOUNT_ID>}}.dkr.ecr.{{<REGION_NAME>}}.amazonaws.com/sagemaker-sparkml-serving:{{<SPARK-ML_VERSION>}}`

  Por exemplo, `{{341280168497}}.dkr.ecr.{{ca-central-1}}.amazonaws.com/{{sagemaker-sparkml-serving:2.4}}`.

Para IDs de contas e nomes de AWS regiões, consulte [Caminhos de registro e código de exemplo do Docker](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths).