本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 计算实例的类型
<a name="geospatial-instances"></a>

SageMaker 地理空间功能提供三种类型的计算实例。
+ **SageMaker Studio Classic 地理空间笔记本实例** — SageMaker 地理空间在 Studio Classic 中同时支持 CPU 和 GPU 的笔记本实例。笔记本实例用于构建、训练和部署 ML 模型。有关适用于地理空间映像的可用笔记本实例类型的列表，请参阅[支持的笔记本实例类型](#supported-geospatial-instances)。
+ **SageMaker 地理空间作业实例**-运行处理作业以转换卫星图像数据。
+ **SageMaker 地理空间模型推断类型**-通过在卫星图像上使用预训练的 ML 模型进行预测。

实例类型由您运行的操作决定。

下表显示了您可以使用的特定于 SageMaker 地理空间的可用操作和实例类型。


|  操作  |  实例  | 
| --- | --- | 
| 时间统计 | ml.geospatial.jobs | 
| 分区统计 | ml.geospatial.jobs | 
| 重采样 | ml.geospatial.jobs | 
| Geomosaic | ml.geospatial.jobs | 
| 波段堆叠 | ml.geospatial.jobs | 
| 波段运算 | ml.geospatial.jobs | 
| 使用 Landsat8 消除云层 | ml.geospatial.jobs | 
| 使用 Sentinel-2 消除云层 | ml.geospatial.models | 
| 云遮蔽 | ml.geospatial.models | 
| 土地覆被分割 | ml.geospatial.models | 

## SageMaker 支持地理空间的笔记本实例类型
<a name="notebook-instances"></a>

SageMaker 地理空间在 Studio Classic 中同时支持基于 CPU 和 GPU 的笔记本实例。如果在启动启用 GPU 的笔记本实例时收到ResourceLimitExceeded错误，则需要申请增加配额。要开始申请增加服务限额，请参阅《服务限额用户指南》**中的[申请增加限额](https://docs.aws.amazon.com/servicequotas/latest/userguide/request-quota-increase.html)。

支持的 Studio Classic 笔记本实例类型


|  Name  |  实例类型  | 
| --- | --- | 
| ml.geospatial.interactive | CPU | 
| ml.g5.xlarge | GPU | 
| ml.g5.2xlarge | GPU | 
| ml.g5.4xlarge | GPU | 
| ml.g5.8xlarge | GPU | 
| ml.g5.16xlarge | GPU | 
| ml.g5.12xlarge | GPU | 
| ml.g5.24xlarge | GPU | 
| ml.g5.48xlarge | GPU | 

您使用的计算实例类型不同，收费标准也不同。有关定价的更多信息，请参阅[使用 Amazon A SageMaker I 的地理空间 ML](https://aws.amazon.com/sagemaker/geospatial)。

## SageMaker 地理空间图书馆
<a name="geospatial-notebook-libraries"></a>

 SageMaker 地理空间特定的**实例类型****ml.geospatial.interactive**包含以下 Python 库。

地理空间实例类型上可用的地理空间库


|  库名称  |  可用版本  | 
| --- | --- | 
| numpy | 1.23.4 | 
| scipy | 1.11.2 | 
| pandas | 1.4.4 | 
| gdal | 3.2.2 | 
| fiona | 1.8.22 | 
| geopandas | 0.11.1 | 
| shapley | 1.8.4 | 
| seaborn | 0.11.2 | 
| notebook | 1.8.22 | 
| scikit-image | 0.11.2 | 
| rasterio | 6.4.12 | 
| scikit-learn | 0.19.2 | 
| ipyleaflet | 1.0.1 | 
| rtree | 0.17.2 | 
| opencv | 4.6.0.66 | 
| supy | 2022.4.7 | 
| SNAP toolbox | 9.0 | 
| cdsapi | 0.6.1 | 
| arosics | 1.8.1 | 
| rasterstats | 0.18.0 | 
| rioxarray | 0.14.1 | 
| pyroSAR | 0.20.0 | 
| eo-learn | 1.4.1 | 
| deepforest | 1.2.7 | 
| scrapy | 2.8.0 | 
| 网 CDF4 | 1.6.3 | 
| xarray[complete] | 0.20.1 | 
| Orfeotoolbox | OTB-8.1.1 | 
| pytorch | 2.0.1 | 
| pytorch-cuda | 11.8 | 
| torchvision | 0.15.2 | 
| torchaudio | 2.0.2 | 
| pytorch-lightning | 2.0.6 | 
| tensorflow | 2.13.0 |