Aggiorna la configurazione del contenitore - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Aggiorna la configurazione del contenitore

Puoi inserire immagini Docker personalizzate nei tuoi flussi di lavoro di machine learning. Un aspetto chiave della personalizzazione di queste immagini è la configurazione delle configurazioni del contenitore, oppure. ContainerConfig La pagina seguente fornisce un esempio su come configurare il tuo. ContainerConfig

Un punto di ingresso è il comando o lo script che viene eseguito all'avvio del contenitore. Gli entrypoint personalizzati consentono di configurare l'ambiente, inizializzare i servizi o eseguire le configurazioni necessarie prima dell'avvio dell'applicazione.

Questo esempio fornisce istruzioni su come configurare un punto di ingresso personalizzato, per l'applicazione, utilizzando il. JupyterLab AWS CLI L'esempio presuppone che siano già stati creati un'immagine e un dominio personalizzati. Per istruzioni, consultare Allega l'immagine personalizzata al tuo dominio.

  1. Imposta innanzitutto le variabili per i AWS CLI comandi che seguono.

    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-nameè il nome della configurazione dell'immagine dell'applicazione.

    • entrypoint-file-nameè il nome dello script di ingresso del contenitore. Ad esempio, entrypoint.sh.

    • environment-keyè il nome della variabile di ambiente.

    • environment-valueè il valore assegnato alla variabile di ambiente.

    • aws-regionè il dominio Amazon SageMaker AI Regione AWS del tuo dominio Amazon. Puoi trovarlo in alto a destra in qualsiasi pagina della AWS console.

    • domain-idè l'ID del tuo dominio. Per visualizzare i tuoi domini, consultaVisualizza i domini.

    • custom-image-nameè il nome dell'immagine personalizzata. Per visualizzare i dettagli dell'immagine personalizzata, consultaVisualizza i dettagli dell'immagine personalizzata (console).

      Se hai seguito le istruzioni riportateAllega l'immagine personalizzata al tuo dominio, potresti voler utilizzare lo stesso nome di immagine che hai usato in quel processo.

    • custom-image-versionè il numero di versione dell'immagine personalizzata. Dovrebbe essere un numero intero, che rappresenta la versione dell'immagine. Per visualizzare i dettagli dell'immagine personalizzata, consultaVisualizza i dettagli dell'immagine personalizzata (console).

  2. Utilizza l'CreateAppImageConfigAPI per creare una configurazione dell'immagine.

    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. Usa l'UpdateDomainAPI per aggiornare le impostazioni predefinite per il tuo dominio. Questo allegherà l'immagine personalizzata e la configurazione dell'immagine dell'applicazione. 

    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}\"
                }
            ]
        }
    }"