通过 Amazon SageMaker 在私有 Docker 注册表中使用自己的训练映像

Amazon SageMaker 训练无需管理基础设施，大幅减少了训练和调优机器学习 (ML) 模型所需的时间和成本。除了提供内置的库和工具外，SageMaker 还可以与流行的开源基础模型（例如 GPT、BERT 和 DALL·E）以及 ML 框架（例如 PyTorch 和 TensorFlow）一起使用。我们很高兴宣布，SageMaker 训练现在支持组合使用映像和存储在私有 Docker 注册表中的预安装框架或算法来构建 ML 模型。

通常，在企业工作的机器学习从业者希望对容器映像使用注册表，因为维护映像和构件的中央位置需要在组织范围内开展。Amazon ECR 是企业团队使用的此类集中式注册表的标准示例。对于某些团队，则需要使用他们在 AWS 之外构建和维护的不同第三方注册表来运行训练作业。有了这项新功能，数据科学家可以灵活使用他们选择的任何私有 Docker 注册表来训练自定义的机器学习/深度学习 (ML/DL) 模型。SageMaker 模型训练现在可以通过您的私有 Docker 注册表进行身份验证，这样就可以拥有额外的安全性，并且可以确信对容器映像的请求仅针对经授权的实体提出。要查看分步说明，请阅读我们的文档。

SageMaker 训练中对私有 Docker 注册表的支持现在适用于提供 Amazon SageMaker 模型训练的所有 AWS 区域和 AWS GovCloud（美国）区域，但不包括 AWS GovCloud（美国东部）区域。要了解有关 SageMaker 模型训练的更多信息，请在此处访问我们的网页。