Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Types d’instances de calcul
**Note**
Les fonctionnalités SageMaker géospatiales d'Amazon ne sont plus accessibles aux nouveaux clients. Supprimez toutes les tâches précédemment enregistrées dans Amazon S3 à l'aide des opérations de l'[ExportVectorEnrichmentJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_geospatial_ExportVectorEnrichmentJob.html)API [ ExportEarthObservationJob ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_geospatial_ExportEarthObservationJob.html) et.
SageMaker les fonctionnalités géospatiales proposent trois types d'instances de calcul.
+ **SageMaker Instances de bloc-notes géospatiaux Studio Classic ** : SageMaker geospatial prend en charge à la fois les instances de processeur et de GPU-based bloc-notes dans Studio Classic. Les instances de bloc-notes sont utilisées pour créer, entraîner et déployer des modèles de ML. Pour obtenir la liste des types d'instances de bloc-notes disponibles qui fonctionnent avec l'image géospatiale, consultez [Types d'instances de bloc-notes pris en charge](#supported-geospatial-instances) (langue française non garantie).
+ **SageMaker instances de tâches géospatiales ** : exécutez des tâches de traitement pour transformer les données d'images satellites.
+ **SageMaker types d'inférence de modèles géospatiaux ** — Faites des prévisions en utilisant des modèles ML pré-entraînés sur l'imagerie satellite.
Le type d’instance est déterminé par les opérations que vous exécutez.
Le tableau suivant présente les opérations spécifiques SageMaker géospatiales disponibles et les types d'instances que vous pouvez utiliser.
| Opérations | Instance |
| --- | --- |
| Statistiques temporelles | ml.geospatial.jobs |
| Statistiques de zone | ml.geospatial.jobs |
| Rééchantillonnage | ml.geospatial.jobs |
| Géomosaïque | ml.geospatial.jobs |
| Empilage de bandes | ml.geospatial.jobs |
| Mathématiques des bandes | ml.geospatial.jobs |
| Suppression de nuages avec Landsat8 | ml.geospatial.jobs |
| Suppression du cloud avec Sentinel-2 | ml.geospatial.models |
| Masquage des nuages | ml.geospatial.models |
| Segmentation de la couverture terrestre | ml.geospatial.models |
## SageMaker types d'instances de bloc-notes compatibles avec la technologie géospatiale
SageMaker geospatial prend en charge à la fois les instances de processeurs et d' GPU-based ordinateurs portables dans Studio Classic. Si vous recevez un message d'ResourceLimitExceedederreur lors du démarrage d'une instance d'ordinateur portable compatible GPU, vous devez demander une augmentation de quota. Pour savoir comment demander une augmentation de quota Service Quotas, consultez [Demande d’augmentation de quota](https://docs.aws.amazon.com/servicequotas/latest/userguide/request-quota-increase.html) dans le *Guide de l’utilisateur Service Quotas*.
Types d’instances de bloc-notes Studio Classic pris en charge
| Nom | Type d’instance |
| --- | --- |
| 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 |
Des tarifs différents vous sont facturés pour chaque type d’instance de calcul que vous utilisez. Pour plus d'informations sur la tarification, consultez [ Geospatial ML avec Amazon SageMaker AI](https://aws.amazon.com/sagemaker/geospatial).
## SageMaker bibliothèques géospatiales
Le type ** d'**instance spécifique à la SageMaker géospatiale **ml.geospatial.interactive** contient les bibliothèques Python suivantes.
Bibliothèques géospatiales disponibles sur le type d’instance géospatiale
| Nom de bibliothèque | Version disponible |
| --- | --- |
| 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 |
| bloc-notes | 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 |
| netCDF4 | 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 |