Mettre à jour la configuration du conteneur - Amazon SageMaker AI

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.

Mettre à jour la configuration du conteneur

Vous pouvez intégrer des images Docker personnalisées à vos flux de travail de machine learning. Un aspect clé de la personnalisation de ces images est la configuration des configurations des conteneurs, ou ContainerConfig. La page suivante fournit un exemple de configuration de votreContainerConfig.

Un point d'entrée est la commande ou le script qui s'exécute au démarrage du conteneur. Les points d'entrée personnalisés vous permettent de configurer votre environnement, d'initialiser des services ou d'effectuer toute configuration nécessaire avant le lancement de votre application.

Cet exemple fournit des instructions sur la façon de configurer un point d'entrée personnalisé, pour votre JupyterLab application, à l'aide du. AWS CLI Cet exemple suppose que vous avez déjà créé une image et un domaine personnalisés. Pour obtenir des instructions, veuillez consulter Joignez votre image personnalisée à votre domaine.

  1. Définissez d'abord vos variables pour les AWS CLI commandes qui suivent.

    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-nameest le nom de la configuration de l'image de votre application.

    • entrypoint-file-nameest le nom du script de point d'entrée de votre conteneur. Par exemple, entrypoint.sh.

    • environment-keyest le nom de votre variable d'environnement.

    • environment-valueest la valeur attribuée à votre variable d'environnement.

    • aws-regionest celui Région AWS de votre domaine Amazon SageMaker AI. Vous pouvez le trouver en haut à droite de n'importe quelle page de AWS console.

    • domain-idest votre identifiant de domaine. Pour consulter vos domaines, consultezAfficher les domaines.

    • custom-image-nameest le nom de votre image personnalisée. Pour afficher les détails de votre image personnalisée, consultezAfficher les détails d'une image personnalisée (console).

      Si vous avez suivi les instructions indiquées dansJoignez votre image personnalisée à votre domaine, vous souhaiterez peut-être utiliser le même nom d'image que celui que vous avez utilisé lors de ce processus.

    • custom-image-versionest le numéro de version de votre image personnalisée. Il doit s'agir d'un entier représentant la version de votre image. Pour afficher les détails de votre image personnalisée, consultezAfficher les détails d'une image personnalisée (console).

  2. Utilisez l'CreateAppImageConfigAPI pour créer une configuration d'image.

    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. Utilisez l'UpdateDomainAPI pour mettre à jour les paramètres par défaut de votre domaine. Cela associera l'image personnalisée ainsi que la configuration de l'image de l'application. 

    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}\"
                }
            ]
        }
    }"