Container-Konfiguration aktualisieren - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Container-Konfiguration aktualisieren

Sie können benutzerdefinierte Docker-Images in Ihre Workflows für maschinelles Lernen integrieren. Ein wichtiger Aspekt bei der Anpassung dieser Images ist die Konfiguration der Containerkonfigurationen, oder. ContainerConfig Die folgende Seite enthält ein Beispiel für die Konfiguration IhresContainerConfig.

Ein Einstiegspunkt ist der Befehl oder das Skript, das ausgeführt wird, wenn der Container gestartet wird. Mit benutzerdefinierten Einstiegspunkten können Sie Ihre Umgebung einrichten, Dienste initialisieren oder alle erforderlichen Einstellungen vornehmen, bevor Ihre Anwendung gestartet wird.

Dieses Beispiel enthält Anweisungen zur Konfiguration eines benutzerdefinierten Einstiegspunkts für Ihre JupyterLab Anwendung mithilfe von. AWS CLI In diesem Beispiel wird davon ausgegangen, dass Sie bereits ein benutzerdefiniertes Image und eine benutzerdefinierte Domäne erstellt haben. Detaillierte Anweisungen finden Sie unter Hängen Sie Ihr benutzerdefiniertes Bild an Ihre Domain an.

  1. Stellen Sie zunächst Ihre Variablen für die folgenden AWS CLI Befehle ein.

    APP_IMAGE_CONFIG_NAME=app-image-config-name
ENTRYPOINT_FILE=entrypoint-file-name
ENV_KEY=environment-key
ENV_VALUE=environment-value
REGION=aws-region
DOMAIN_ID=domain-id
IMAGE_NAME=custom-image-name
IMAGE_VERSION=custom-image-version

    • app-image-config-nameist der Name Ihrer Anwendungs-Image-Konfiguration.

    • entrypoint-file-nameist der Name des Einstiegspunktskripts Ihres Containers. Beispiel, entrypoint.sh.

    • environment-keyist der Name Ihrer Umgebungsvariablen.

    • environment-valueist der Wert, der Ihrer Umgebungsvariablen zugewiesen wurde.

    • aws-regionist die AWS-Region Ihrer Amazon SageMaker AI-Domain. Sie finden dies oben rechts auf jeder AWS Konsolenseite.

    • domain-idist Ihre Domain-ID. Informationen zur Anzeige Ihrer Domains finden Sie unterDomänen anzeigen.

    • custom-image-nameist der Name Ihres benutzerdefinierten Images. Informationen zu Ihren benutzerdefinierten Bildern finden Sie unterDetails zu benutzerdefinierten Bildern anzeigen (Konsole).

      Wenn Sie die Anweisungen unter befolgt habenHängen Sie Ihr benutzerdefiniertes Bild an Ihre Domain an, möchten Sie möglicherweise denselben Bildnamen verwenden, den Sie bei diesem Vorgang verwendet haben.

    • custom-image-versionist die Versionsnummer Ihres benutzerdefinierten Images. Dies sollte eine Ganzzahl sein, die die Version Ihres Images darstellt. Informationen zu Ihren benutzerdefinierten Bildern finden Sie unterDetails zu benutzerdefinierten Bildern anzeigen (Konsole).

  2. Verwenden Sie die CreateAppImageConfigAPI, um eine Image-Konfiguration zu erstellen.

    aws sagemaker create-app-image-config \
    --region ${REGION} \
    --app-image-config-name "${APP_IMAGE_CONFIG_NAME}" \
    --jupyter-lab-app-image-config "ContainerConfig = {
        ContainerEntrypoint = "${ENTRYPOINT_FILE}", 
        ContainerEnvironmentVariables = {
            "${ENV_KEY}"="${ENV_VALUE}"
        }
    }"

  3. Verwenden Sie die UpdateDomainAPI, um die Standardeinstellungen für Ihre Domain zu aktualisieren. Dadurch werden das benutzerdefinierte Image sowie die Konfiguration des Anwendungsimages angehängt. 

    aws sagemaker update-domain \
    --region ${REGION} \
    --domain-id "${DOMAIN_ID}" \
    --default-user-settings "{
        \"JupyterLabAppSettings\": {
            \"CustomImages\": [
                {
                    \"ImageName\": \"${IMAGE_NAME}\",
                    \"ImageVersionNumber\": ${IMAGE_VERSION},
                    \"AppImageConfigName\": \"${APP_IMAGE_CONFIG_NAME}\"
                }
            ]
        }
    }"