Benutzerdefinierte Images - Amazon SageMaker KI
Zustandsprüfung und URL für AnwendungenDockerfile-Beispiele

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.

Benutzerdefinierte Images

Wenn Sie Funktionen benötigen, die sich von der SageMaker Distribution unterscheiden, können Sie Ihr eigenes Image mit Ihren benutzerdefinierten Erweiterungen und Paketen mitbringen. Sie können es auch verwenden, um die JupyterLab Benutzeroberfläche an Ihre eigenen Branding- oder Compliance-Anforderungen anzupassen.

Auf der folgenden Seite finden Sie JupyterLab spezifische Informationen und Vorlagen, mit denen Sie Ihre eigenen benutzerdefinierten SageMaker KI-Images erstellen können. Dies soll die Informationen und Anweisungen von Amazon SageMaker Studio zur Erstellung Ihres eigenen SageMaker KI-Images und zum Einspielen Ihres eigenen Images in Studio ergänzen. Weitere Informationen zu benutzerdefinierten Amazon SageMaker AI-Images und dazu, wie Sie Ihr eigenes Bild in Studio importieren können, finden Sie unterBring Your Own Image (BYOI).

Zustandsprüfung und URL für Anwendungen

  • Base URL – Die Basis-URL für die BYOI-Anwendung muss jupyterlab/default lauten. Es ist nur eine Anwendung zulässig, und diese muss stets den Namen default haben.

  • HealthCheck API— SageMaker KI verwendet den Health Check-Endpunkt am Port8888, um den Zustand der JupyterLab Anwendung zu überprüfen. jupyterlab/default/api/statusist der Endpunkt für den Gesundheitscheck.

  • Home/Default URL— Die /opt/ml Verzeichnisse /opt/.sagemakerinternal und, die von verwendet werdenAWS. Die Metadatendatei in /opt/ml enthält Metadaten zu Ressourcen wie DomainId.

  • Authentifizierung – Um die Authentifizierung für Ihre Benutzer zu aktivieren, deaktivieren Sie bitte die token- oder passwortbasierte Authentifizierung für Jupyter-Notebooks und lassen Sie alle Ursprünge zu.

Dockerfile-Beispiele

Die folgenden Beispiele sind Dockerfiles, die den obigen Informationen und Benutzerdefinierte Image-Daten entsprechen.

Anmerkung

Wenn Sie Ihr eigenes Image in SageMaker Unified Studio verwenden, müssen Sie die Dockerfile-Spezifikationen im Amazon SageMaker Unified Studio-Benutzerhandbuch befolgen.

DockerfileBeispiele für SageMaker Unified Studio finden Sie im Dockerfile-Beispiel im Amazon SageMaker Unified Studio-Benutzerhandbuch.

Example AL2023 Dockerfile

Das folgende ist ein Beispiel für AL2023 Dockerfile, die den obigen Informationen und Benutzerdefinierte Image-Daten entsprechen.

FROM public.ecr.aws/amazonlinux/amazonlinux:2023

ARG NB_USER="sagemaker-user"
ARG NB_UID=1000
ARG NB_GID=100

# Install Python3, pip, and other dependencies
RUN yum install -y \
    python3 \
    python3-pip \
    python3-devel \
    gcc \
    shadow-utils && \
    useradd --create-home --shell /bin/bash --gid "${NB_GID}" --uid ${NB_UID} ${NB_USER} && \
    yum clean all

RUN python3 -m pip install --no-cache-dir \
    'jupyterlab>=4.0.0,<5.0.0' \
    urllib3 \
    jupyter-activity-monitor-extension \
    --ignore-installed

# Verify versions
RUN python3 --version && \
    jupyter lab --version

USER ${NB_UID}
CMD jupyter lab --ip 0.0.0.0 --port 8888 \
    --ServerApp.base_url="/jupyterlab/default" \
    --ServerApp.token='' \
    --ServerApp.allow_origin='*'
Example SageMaker Amazon-Vertrieb Dockerfile

Das folgende ist ein Beispiel für Amazon SageMaker Distribution Dockerfile, die den obigen Informationen und Benutzerdefinierte Image-Daten entsprechen.

FROM public.ecr.aws/sagemaker/sagemaker-distribution:latest-cpu
ARG NB_USER="sagemaker-user"
ARG NB_UID=1000
ARG NB_GID=100

ENV MAMBA_USER=$NB_USER

USER root

RUN apt-get update
RUN micromamba install sagemaker-inference --freeze-installed --yes --channel conda-forge --name base

USER $MAMBA_USER

ENTRYPOINT ["entrypoint-jupyter-server"]