Imagens personalizadas - SageMaker IA da Amazon
Verificação de integridade e URL de aplicaçõesExemplos de Dockerfile

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Imagens personalizadas

Se precisar de uma funcionalidade diferente da fornecida pela SageMaker distribuição, você pode trazer sua própria imagem com suas extensões e pacotes personalizados. Você também pode usá-lo para personalizar a JupyterLab interface de usuário de acordo com suas próprias necessidades de marca ou conformidade.

A página a seguir fornecerá informações e modelos JupyterLab específicos para criar suas próprias imagens personalizadas de SageMaker IA. Isso serve para complementar as informações e instruções do Amazon SageMaker Studio sobre como criar sua própria imagem de SageMaker IA e trazer sua própria imagem para o Studio. Para saber mais sobre imagens personalizadas de SageMaker IA da Amazon e como trazer sua própria imagem para o Studio, consulteTraga sua própria imagem (BYOI).

Verificação de integridade e URL de aplicações

  • Base URL: O URL base para a aplicação BYOI deve ser jupyterlab/default. Você só pode ter uma aplicação e ele deve sempre ter um nome default.

  • HealthCheck API— A SageMaker IA usa o endpoint de verificação de integridade na porta 8888 para verificar a integridade do JupyterLab aplicativo. jupyterlab/default/api/statusé o endpoint da verificação de saúde.

  • Home/Default URL— Os /opt/ml diretórios /opt/.sagemakerinternal e que são usados por AWS. O arquivo de metadados em /opt/ml contém metadados sobre recursos como DomainId.

  • Autenticação: Para habilitar a autenticação para seus usuários, desative a autenticação baseada em token ou senha dos cadernos Jupyter e permita todas as origens.

Exemplos de Dockerfile

Os exemplos a seguir são Dockerfile aqueles que atendem às informações acima Especificações de imagem personalizadas e.

nota

Se você estiver trazendo sua própria imagem para o SageMaker Unified Studio, precisará seguir as especificações do Dockerfile no Guia do usuário do Amazon SageMaker Unified Studio.

Dockerfileexemplos do SageMaker Unified Studio podem ser encontrados no exemplo do Dockerfile no Guia do usuário do Amazon SageMaker Unified Studio.

Example AL2023 Dockerfile

A seguir está um exemplo AL2023 Dockerfile que atende às informações acima Especificações de imagem personalizadas e.

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 Distribuição da Amazon Dockerfile

A seguir está um exemplo Amazon SageMaker Distribution Dockerfile que atende às informações acima Especificações de imagem personalizadas e.

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 ["jupyter-lab"]
CMD ["--ServerApp.ip=0.0.0.0", "--ServerApp.port=8888", "--ServerApp.allow_origin=*", "--ServerApp.token=''", "--ServerApp.base_url=/jupyterlab/default"]