本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
設定 Autopilot 實驗的預設參數 (適用於管理員)
當您使用 Studio Classic 使用者介面建立 Autopilot 實驗時,Autopilot 支援設定預設值以簡化 Amazon SageMaker Autopilot 的組態。系統管理員可以使用 Studio Classic 生命週期組態 (LCC) 在組態檔中設定基礎結構、網路與安全性值,並預先填入 AutoML 任務的進階設定。
這樣,他們就可以完全控制與 Amazon SageMaker Studio Classic 關聯的資源 (包括 SageMaker AI 執行個體、資料來源、輸出資料和其他相關服務) 的網路連線以及存取權限。具體來說,管理員可以為 Studio Classic 網域或個別使用者設定檔設定所需的網路架構,例如 Amazon VPC、子網路和安全群組。使用 Studio Classic 使用者介面建立 Autopilot 實驗時,資料科學家可以專注於資料科學特定的參數。此外,管理員可以透過設定預設加密金鑰,管理員可以在執行 Autopilot 實驗的執行個體管理資料的加密。
注意
此特徵目前在亞太地區 (香港) 及中東 (巴林) 選擇加入的區域不可用。
在以下各節中,您可以在使用 Studio Classic 使用者介面建立 Autopilot 實驗時,找到支援預設值設定的完整參數清單,並了解如何設定這些預設值。
支援的預設參數清單
下列參數支援使用組態檔設定預設值,以便使用 Studio Classic 使用者介面建立 Autopilot 實驗。設定後,這些值會自動填入 Studio Classic 使用者介面中 Autopilot 的建立實驗標籤的對應欄位。如需每個欄位的完整說明,請參閱進階設定 (選用)。
-
安全:Amazon VPC、子網路與安全群組。
-
Access: AWS IAM 角色 ARNs。
-
Encryption: AWS KMS key IDs。
-
標籤:用於標籤和組織 SageMaker AI 資源的鍵值對。
設定預設 Autopilot 實驗參數
系統管理員可以在組態檔設定預設值,然後手動將檔案放置在特定使用者 Studio Classic 環境中的建議位置,或將檔案傳送至生命週期組態指令碼 (LCC),以自動針對指定網域或使用者設定檔自訂 Studio Classic 環境。
-
若要設定組態檔,請先從 填入其預設參數。
若要設定 支援的預設參數清單 列出的任何或所有預設值,管理員可以建立名為
config.yaml的組態檔,其結構應符合此樣本組態檔。下列的程式碼片段顯示了包含所有受支援的 AutoML參數的樣本組態檔。如需有關此檔案格式的詳細資訊,請參閱完整結構描述。 SchemaVersion: '1.0' SageMaker: AutoMLJob: # https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAutoMLJob.html AutoMLJobConfig: SecurityConfig: EnableInterContainerTrafficEncryption: true VolumeKmsKeyId: 'kms-key-id' VpcConfig: SecurityGroupIds: - 'security-group-id-1' - 'security-group-id-2' Subnets: - 'subnet-1' - 'subnet-2' OutputDataConfig: KmsKeyId: 'kms-key-id' RoleArn: 'arn:aws:iam::111222333444:role/Admin' Tags: - Key: 'tag_key' Value: 'tag_value' -
然後,手動將檔案複製到其建議的路徑或使用生命週期組態 (LCC),將組態檔置於建議的位置。
組態檔必須存在於使用者 Studio Classic 環境中的下列位置中的至少一個。依預設,SageMaker AI 會在兩個位置搜尋組態檔:
-
首先,在
/etc/xdg/sagemaker/config.yaml。我們將此檔案稱為管理員組態檔。 -
然後,在
/root/.config/sagemaker/config.yaml。我們將此文件稱為使用者組態檔。
使用管理員組態檔,管理員可以定義一組預設值。或者,他們可以使用使用者組態檔來取代管理員組態檔設定的值,或設定其他預設參數值。
下列程式碼片段顯示樣本指令碼,該指令碼會將預設參數組態檔寫入使用者 Studio Classic 環境中的管理員位置。您可以將
/etc/xdg/sagemaker取代為/root/.config/sagemaker,以將檔案寫入使用者位置。## Sample script with AutoML intelligent defaults #!/bin/bash sudo mkdir -p /etc/xdg/sagemaker echo "SchemaVersion: '1.0' CustomParameters: AnyStringKey: 'AnyStringValue' SageMaker: AutoMLJob: # https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAutoMLJob.html AutoMLJobConfig: SecurityConfig: EnableInterContainerTrafficEncryption: true VolumeKmsKeyId: 'kms-key-id' VpcConfig: SecurityGroupIds: - 'security-group-id-1' - 'security-group-id-2' Subnets: - 'subnet-1' - 'subnet-2' OutputDataConfig: KmsKeyId: 'kms-key-id' RoleArn: 'arn:aws:iam::111222333444:role/Admin' Tags: - Key: 'tag_key' Value: 'tag_value' " | sudo tee /etc/xdg/sagemaker/config.yaml-
手動複製檔案–若要手動複製組態檔,請從 Studio Classic 終端機執行上個步驟建立的指令碼。在此情況下,執行指令碼的使用者設定檔可以使用僅適用於它們的預設值來建立 Autopilot 實驗。
-
建立 SageMaker AI 生命週期組態 – 或者,您可以使用生命週期組態 (LCC) 來自動化 Studio Classic 環境的自訂。LCC 是由 Amazon SageMaker Studio Classic 生命週期事件 (例如啟動 Studio Classic 應用程式) 觸發的 Shell 指令碼。此自訂功能包括安裝自訂套件、設定筆記本擴充功能、預先載入資料集、設定原始程式碼儲存庫,或是預先填入預設參數。系統管理員可以將 LCC 附加至 Studio Classic 網域,以自動設定該網域中每個使用者設定檔的預設值。
以下各節將詳細說明如何建立生命週期組態,讓使用者可以在啟動 Studio Classic 時自動載入 Autopilot 預設參數。您可以選擇使用 SageMaker AI 主控台或 AWS CLI建立 LCC。
-