(Optional) Migrieren Sie benutzerdefinierte Images und Lebenszykluskonfigurationen - Amazon SageMaker KI
Migrieren Sie benutzerdefinierte BilderLebenszykluskonfigurationen migrieren

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.

(Optional) Migrieren Sie benutzerdefinierte Images und Lebenszykluskonfigurationen

Sie müssen Ihre benutzerdefinierten Images und LCC-Skripts (Lifecycle Configuration) aktualisieren, damit sie mit dem vereinfachten lokalen Ausführungsmodell in Amazon SageMaker Studio funktionieren. Wenn Sie in Ihrer Domain keine benutzerdefinierten Images oder Lebenszykluskonfigurationen erstellt haben, überspringen Sie diese Phase.

Amazon SageMaker Studio Classic arbeitet in einer geteilten Umgebung mit:

  • Eine JupyterServer Anwendung, auf der das ausgeführt wirdJupyter Server.

  • Studio Classic-Notebooks, die auf einer oder mehreren KernelGateway Anwendungen ausgeführt werden.

Studio hat sich von einer geteilten Umgebung verabschiedet. Studio führt den JupyterLab und Code-Editor auf der Grundlage von Code-OSS, Visual Studio Code — Open-Source-Anwendungen in einem lokalen Laufzeitmodell aus. Weitere Informationen zur Änderung der Architektur finden Sie unter Steigern Sie die Produktivität in Amazon SageMaker Studio.

Migrieren Sie benutzerdefinierte Bilder

Ihre vorhandenen benutzerdefinierten Studio Classic-Images funktionieren möglicherweise nicht in Studio. Wir empfehlen, ein neues benutzerdefiniertes Image zu erstellen, das die Anforderungen für die Verwendung in Studio erfüllt. Die Version von Studio vereinfacht das Erstellen benutzerdefinierter Images durch die Bereitstellung SageMaker Richtlinie zur Unterstützung von Studio-Images von. SageMaker Zu den Images von AI Distribution gehören beliebte Bibliotheken und Pakete für maschinelles Lernen, Datenwissenschaft und Datenanalyse-Visualisierung. Eine Liste der SageMaker Basis-Distribution-Images und Kontoinformationen der Amazon Elastic Container Registry finden Sie unter SageMaker Amazon-Bilder sind für die Verwendung mit Studio Classic verfügbar.

Um ein benutzerdefiniertes Image zu erstellen, führen Sie einen der folgenden Schritte aus.

  • Erweitern Sie ein SageMaker Distribution-Image mit benutzerdefinierten Paketen und Modulen. Diese Images sind mit einem JupyterLab Code-Editor vorkonfiguriert, der auf Code-OSS, Visual Studio Code - Open Source, basiert.

  • Erstellen Sie eine benutzerdefinierte Dockerfile-Datei, indem Sie den Anweisungen unter folgen. Bringen Sie Ihr eigenes Bild mit (BYOI) Sie müssen das Image installieren JupyterLab und die Open-Source-Version CodeServer auf dem Image installieren, damit es mit Studio kompatibel ist.

Lebenszykluskonfigurationen migrieren

Aufgrund des vereinfachten lokalen Laufzeitmodells in Studio empfehlen wir, die Struktur Ihres vorhandenen Studio Classic LCCs zu migrieren. In Studio Classic müssen Sie häufig separate Lebenszykluskonfigurationen sowohl für Anwendungen als auch KernelGateway für JupyterServer Anwendungen erstellen. Da die KernelGateway Anwendungen JupyterServer und auf separaten Rechenressourcen in Studio Classic ausgeführt werden, LCCs kann es sich bei Studio Classic um einen der folgenden Typen handeln:

  • JupyterServerLCC: Diese regeln LCCs hauptsächlich die Home-Aktionen eines Benutzers, einschließlich der Einstellung eines Proxys, der Erstellung von Umgebungsvariablen und des automatischen Herunterfahrens von Ressourcen.

  • KernelGatewayLCC: Diese LCCs regeln die Optimierung der Studio Classic-Notebook-Umgebung. Dazu gehören die Aktualisierung der Numpy-Paketversionen im Data Science 3.0 Kernel und die Installation des Snowflake-Pakets im Kernel. Pytorch 2.0 GPU

In der vereinfachten Studio-Architektur benötigen Sie nur ein LCC-Skript, das beim Start der Anwendung ausgeführt wird. Obwohl die Migration Ihrer LCC-Skripte je nach Entwicklungsumgebung unterschiedlich ist, empfehlen wir, ein kombiniertes LCC KernelGateway LCCs zu kombinieren JupyterServer und zu erstellen.

LCCs in Studio kann mit einer der folgenden Anwendungen verknüpft werden:

  • JupyterLab

  • Code-Editor

Benutzer können bei der Erstellung eines Bereichs das LCC für den jeweiligen Anwendungstyp auswählen oder das vom Administrator festgelegte Standard-LCC verwenden.

Anmerkung

Bestehende Studio Classic-Skripts zum automatischen Herunterfahren funktionieren nicht mit Studio. Ein Beispiel für ein Studio-Skript zum automatischen Herunterfahren finden Sie unter Beispiele für die SageMaker Studio-Lebenszykluskonfiguration.

Überlegungen beim Refactoring LCCs

Beachten Sie beim Refactoring Ihres die folgenden Unterschiede zwischen Studio Classic und Studio. LCCs

  • JupyterLab und Code-Editor-Anwendungen werden, wenn sie erstellt wurden, wie sagemaker-user mit UID:1001 und ausgeführt. GID:101 sagemaker-userHat standardmäßig die Berechtigung, sudo/root Berechtigungen anzunehmen. KernelGatewayAnwendungen werden root standardmäßig ausgeführt.

  • SageMaker Distributions-Images, die innerhalb JupyterLab von Code Editor-Apps ausgeführt werden, verwenden den Debian basierten Paketmanager,apt-get.

  • Studio JupyterLab - und Code Editor-Anwendungen verwenden den Conda Paketmanager. SageMaker AI erstellt eine einzige Python3 Conda Basisumgebung, wenn eine Studio-Anwendung gestartet wird. Informationen zum Aktualisieren von Paketen in der Conda Basisumgebung und zum Erstellen neuer Conda Umgebungen finden Sie unterJupyterLab Benutzerleitfaden. Im Gegensatz dazu werden nicht alle KernelGateway Anwendungen Conda als Paketmanager verwendet.

  • Die JupyterLab Studio-Anwendung verwendetJupyterLab 4.0, während Studio Classic verwendetJupyterLab 3.0. Stellen Sie sicher, dass alle von Ihnen verwendeten JupyterLab Erweiterungen kompatibel sindJupyterLab 4.0. Weitere Informationen zu Erweiterungen finden Sie unter Erweiterungskompatibilität mit JupyterLab 4.0.