Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅中国的 Amazon Web Services 服务入门。

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。

用于深度学习的预构建 SageMaker Docker 镜像

SageMaker 提供了预构建的 Docker 映像，包括深度学习框架库以及训练和推理所需的其他依赖项。有关可用的预构建 Docker 映像的完整列表，请参阅深度学习容器映像。

如果不使用Amazon SageMaker Python 开发工具包还有其评估程序之一来检索预构建映像，则必须自行检索它们。

使用 SageMaker Python 开发工具包

借助 SageMaker Python 开发工具包，您可以使用这些流行的深度学习框架训练和部署模型。有关安装和使用该开发工具包的说明，请参阅Amazon SageMaker Python 开发工具包. 下表列出了可用的框架以及有关如何将这些框架与SageMaker Python 开发工具包：

扩展预构建的 SageMaker Docker 映像

您可以自定义或扩展这些预构建的容器，以满足预构建的 SageMaker Docker 映像不支持的算法或模型的任何其他功能要求。有关示例，请参阅扩展 PyTorch 容器。

您还可以使用预构建的容器部署自定义模型或在 SageMaker 之外的框架中训练的模型。有关将训练的模型构件引入 SageMaker 并在终端节点中托管这些构件的过程概述，请参阅将自己的预训练的 MxNet 或 TensorFlow 模型带到 Amazon SageMaker.