更新容器組態 - Amazon SageMaker AI

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。

更新容器組態

您可以將自訂 Docker 映像帶入機器學習工作流程。自訂這些映像的關鍵層面是設定容器組態，或 ContainerConfig。以下頁面提供如何設定 的範例ContainerConfig。

進入點是在容器啟動時執行的命令或指令碼。自訂進入點可讓您在應用程式啟動之前設定環境、初始化服務，或執行任何必要的設定。

此範例說明如何使用 為您的 JupyterLab 應用程式設定自訂進入點 AWS CLI。此範例假設您已建立自訂映像和網域。如需說明，請參閱將自訂映像連接至您的網域。

  1. 首先為後續的 AWS CLI 命令設定變數。

    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-name 是您應用程式映像組態的名稱。

    • entrypoint-file-name 是容器進入點指令碼的名稱。例如 entrypoint.sh。

    • environment-key 是您環境變數的名稱。

    • environment-value 是指派給您環境變數的值。

    • aws-region 是 Amazon SageMaker AI 網域 AWS 區域 的 。您可以在任何 AWS 主控台頁面的右上角找到此項目。

    • domain-id 是您的網域 ID。若要檢視您的網域，請參閱 檢視網域。

    • custom-image-name 是您自訂映像的名稱。若要檢視您的自訂映像詳細資訊，請參閱 檢視自訂映像詳細資訊 （主控台）。

      如果您遵循 中的指示將自訂映像連接至您的網域，建議您使用與該程序相同的映像名稱。

    • custom-image-version 是您自訂映像的版本編號。這應該是整數，代表映像的版本。若要檢視您的自訂映像詳細資訊，請參閱 檢視自訂映像詳細資訊 （主控台）。

  2. 使用 CreateAppImageConfig API 建立映像組態。

    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. 使用 UpdateDomain API 來更新網域的預設設定。這將連接自訂映像以及應用程式映像組態。

    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}\"
                }
            ]
        }
    }"