查看與使用內建鏡像-雲原生MaxCompute MaxCompute-阿里雲

MaxCompute提供豐富的內建鏡像，如資料分析、科學計算、機器學習（如Pandas、Numpy、Scikit-learn、Xgboost）等，方便您在後續開發中直接引用，從而簡化開發流程。本文為您介紹如何查看及使用內建鏡像。

查看內建鏡像

登入MaxCompute控制台，在左上方選擇地區。
在左側導覽列，選擇管理配置 > 镜像管理 。
在镜像管理詳情頁，選擇内置镜像頁簽。
可以查看當前MaxCompute內建的鏡像列表及相關版本資訊。

內建鏡像說明

功能分類	鏡像名稱	內建三方包及版本資訊	程式設計語言及版本	說明
基礎鏡像	common	numpy==1.21.6 pandas==1.3.5	Python 3.7	基礎鏡像，包含Pandas、NumPy等基礎第三方包。
基礎鏡像	common	numpy==1.26.4 pandas==2.2.2	Python 3.11	基礎鏡像，包含Pandas、NumPy等基礎第三方包。
基礎鏡像	ubuntu	ubuntu==20.04	Python 3.7 Python 3.11	基礎作業系統鏡像，支援無縫應用於自訂函數（UDF）開發及MaxFrame框架組成，顯著提升跨平台代碼移植效率與執行效能。
科學計算	scipy	scipy==1.7.3	Python 3.7	科學計算庫，提供了眾多進階科學計算功能，包括統計分析、線性代數等。
科學計算	scipy	scipy==1.13.0	Python 3.11	科學計算庫，提供了眾多進階科學計算功能，包括統計分析、線性代數等。
統計建模	statsmodels	statsmodels==0.13.5	Python 3.7	統計建模
統計建模	statsmodels	statsmodels==0.14.1	Python 3.11	統計建模和經濟計量學庫。
機器學習	sklearn	scikit-learn==1.0.2	Python 3.7	提供分類，迴歸及聚類等機器學習演算法。
	sklearn	scikit-learn==1.4.2	Python 3.11	提供分類，迴歸及聚類等機器學習演算法。
	xgboost	xgboost==1.6.2	Python 3.7	分布式梯度增強庫。
	xgboost	xgboost==2.0.3	Python 3.11	分布式梯度增強庫。
	pytorch	torch==1.13.1	Python 3.7	自然語言處理。
	pytorch	torch==2.3.0	Python 3.11	自然語言處理。
	tensorflow	tensorflow==2.11.0	Python 3.7	應用於各類機器學習演算法的編程實現。
	tensorflow	tensorflow==2.16.1	Python 3.11	應用於各類機器學習演算法的編程實現。

所有內建鏡像均攜帶基礎鏡像中的numpy、pandas等開發包，除此之外，上述內建鏡像還內建常用的基礎開發包，包括cloudpickle 2.2.1、pickle 5.0.12、requests 2.31.0及setuptools 68.0.0。

使用內建鏡像

在MaxCompute SQL UDF、PyODPS或MaxFrame開發中使用內建鏡像。

重要

每個開發作業僅可指定一個鏡像，否則會造成鏡像衝突問題。

調用UDF時，支援在SQL會話（Session）層級使用Flag指定所依賴的鏡像，需同時指定Python版本，命令如下：

-- 若Python版本為3.11時, 設定為set odps.sql.python.version=cp311;
set odps.sql.python.version=cp37;
set odps.session.image = <鏡像名稱>;

PyODPS開發中，支援使用execute或persist方法的image參數指定已有鏡像，具體樣本請參見在PyODPS開發中使用鏡像。命令如下：
```
image='<鏡像名稱>'
```
說明
若需要在PyODPS中引用鏡像開發，請升級PyODPS至V0.11.5或以上版本。
MaxFrame開發中，支援在當前作業開發中指定已有鏡像，相關參數如下：
```
config.options.sql.settings = {
    "odps.session.image": "<鏡像名稱>"
}
```