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.

# Repository privato per le dipendenze di runtime
<a name="train-remote-decorator-private"></a>

È possibile utilizzare comandi o script di pre-esecuzione per configurare un gestore delle dipendenze come pip o conda nel proprio ambiente di lavoro. Per ottenere l'isolamento della rete, usa una di queste opzioni per reindirizzare i gestori delle dipendenze ad accedere ai repository privati ed eseguire funzioni remote all'interno di un VPC. I comandi o lo script di pre-esecuzione verranno eseguiti prima dell'esecuzione della funzione remota. È possibile definirli con il decoratore @remote, l'API `RemoteExecutor` o all'interno di un file di configurazione.

Le seguenti sezioni mostrano come accedere a un repository privato Python Package Index (PyPI) gestito con. AWS CodeArtifact Nelle sezioni viene inoltre illustrato come accedere a un canale conda personalizzato ospitato su Amazon Simple Storage Service (Amazon S3).

## Come usare un repository PyPI personalizzato gestito con AWS CodeArtifact
<a name="train-remote-decorator-private-pypi"></a>

Per utilizzare CodeArtifact per gestire un repository PyPI personalizzato, sono richiesti i seguenti prerequisiti:
+ Il repository PyPI privato dovrebbe essere già stato creato. Puoi utilizzarlo AWS CodeArtifact per creare e gestire i tuoi archivi di pacchetti privati. Per ulteriori informazioni CodeArtifact, consulta la Guida per l'[CodeArtifact utente](https://docs.aws.amazon.com/codeartifact/latest/ug/welcome.html).
+ Il tuo VPC dovrebbe avere accesso al tuo CodeArtifact repository. Per consentire una connessione dal tuo VPC al tuo CodeArtifact repository, devi fare quanto segue:
  + [Crea endpoint VPC per](https://docs.aws.amazon.com/codeartifact/latest/ug/create-vpc-endpoints.html). CodeArtifact
  + [Crea un endpoint gateway Amazon S3](https://docs.aws.amazon.com/codeartifact/latest/ug/create-s3-gateway-endpoint.html) per il tuo VPC, che consente CodeArtifact di archiviare gli asset dei pacchetti.

Il seguente esempio di comando di pre-esecuzione mostra come configurare pip nel processo di formazione SageMaker AI in modo che punti al tuo repository. CodeArtifact Per ulteriori informazioni, consulta [Configurare e utilizzare](https://docs.aws.amazon.com/codeartifact/latest/ug/python-configure-pip.html) pip con. CodeArtifact

```
# use a requirements.txt file to import dependencies
@remote(
    instance_type="ml.m5.large"
    image_uri = "my_base_python:latest", 
    dependencies = './requirements.txt',
    pre_execution_commands=[
        "aws codeartifact login --tool pip --domain my-org --domain-owner <000000000000> --repository my-codeartifact-python-repo --endpoint-url https://vpce-xxxxx.api.codeartifact.us-east-1.vpce.amazonaws.com"
    ]
)
def matrix_multiply(a, b):
    return np.matmul(a, b)
```

## Come utilizzare un canale conda personalizzato ospitato su Amazon S3
<a name="train-remote-decorator-private-conda"></a>

Per utilizzare Amazon S3 per gestire un repository conda personalizzato sono necessari i seguenti prerequisiti:
+ Il canale conda privato deve essere già configurato nel bucket Amazon S3 e tutti i pacchetti dipendenti devono essere indicizzati e caricati nel bucket Amazon S3. Per istruzioni su come indicizzare i pacchetti conda, consulta [ Creating custom channels](https://conda.io/projects/conda/en/latest/user-guide/tasks/create-custom-channels.html).
+ Il VPC deve avere accesso al bucket Amazon S3. Per ulteriori informazioni, consulta [Endpoints for Amazon S3](https://docs.aws.amazon.com/vpc/latest/userguide/vpc-endpoints-s3.html).
+ L'ambiente conda di base nell'immagine del processo dovrebbe aver installato `boto3`. Per controllare l'ambiente, inserisci quanto segue nel prompt di Anaconda per verificare che `boto3` compaia nell'elenco generato.

  ```
  conda list -n base
  ```
+ L'immagine del processo deve essere installata con conda, non con [mamba](https://mamba.readthedocs.io/en/latest/installation.html). Per controllare l'ambiente, assicurati che il prompt di codice precedente non restituisca `mamba`.

Il seguente esempio di comandi di pre-esecuzione mostra come configurare conda nel processo di SageMaker formazione in modo che punti al tuo canale privato su Amazon S3. I comandi di pre-esecuzione rimuovono il canale predefinito e aggiungono canali personalizzati a un file di configurazione conda. `.condarc`

```
# specify your dependencies inside a conda yaml file
@remote(
    instance_type="ml.m5.large"
    image_uri = "my_base_python:latest", 
    dependencies = "./environment.yml",
    pre_execution_commands=[
        "conda config --remove channels 'defaults'"
        "conda config --add channels 's3://my_bucket/my-conda-repository/conda-forge/'",
        "conda config --add channels 's3://my_bucket/my-conda-repository/main/'"
    ]
)
def matrix_multiply(a, b):
    return np.matmul(a, b)
```