Konfigurieren Sie die Standardparameter eines Autopilot-Experiments (für Administratoren) - Amazon SageMaker KI
Unterstützte StandardparameterLegen Sie Standardparameter fest

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Konfigurieren Sie die Standardparameter eines Autopilot-Experiments (für Administratoren)

Autopilot unterstützt das Festlegen von Standardwerten zur einfacheren Konfiguration von Amazon SageMaker Autopilot wenn Sie mit der Studio-Classic-Benutzeroberfläche ein Autopilot-Experiment erstellen. Administratoren können mit Hilfe von Studio Classic Lifecycle Configurations (LCC) in Konfigurationsdateien Infrastruktur-, Netzwerk- und Sicherheitswerte festlegen und die erweiterten Einstellungen von AutoML-Jobs vorab ausfüllen.

Auf diese Weise können sie die Netzwerkkonnektivität und die Zugriffsberechtigungen für die mit Amazon SageMaker Studio Classic verknüpften Ressourcen vollständig steuern, einschließlich SageMaker-AI-Instances, Datenquellen, Ausgabedaten und andere verwandte Services. Insbesondere können Administratoren eine gewünschte Netzwerkarchitektur wie Amazon VPC, Subnetze und Sicherheitsgruppen für eine Studio-Classic-Domain oder einzelne Benutzerprofile konfigurieren. Informatiker können sich beim Erstellen ihrer Autopilot-Experimente mithilfe der Studio-Classic-Benutzeroberfläche auf datenwissenschaftliche Parameter konzentrieren. Darüber hinaus können Administratoren die Verschlüsselung von Daten in der Instance verwalten, in der Autopilot-Experimente ausgeführt werden, indem sie Standardschlüssel festlegen.

Anmerkung

Dieses Feature ist in den Opt-in-Regionen Asien-Pazifik (Hongkong) und Naher Osten (Bahrain) derzeit nicht verfügbar.

In den folgenden Abschnitten finden Sie die vollständige Liste der Parameter, die die Einstellung von Standardeinstellungen beim Erstellen eines Autopilot-Experiments mit der Studio-Classic-Benutzeroberfläche unterstützen, und lernen, wie Sie diese Standardwerte einstellen können.

Liste der unterstützten Standardparameter

Die folgenden Parameter helfen beim Festlegen von Standardwerten mit einer Konfigurationsdatei zur Erstellung eines Autopilot-Experiments mithilfe der Studio-Classic-Benutzeroberfläche. Sobald sie festgelegt sind, füllen die Werte automatisch das entsprechende Feld auf der Registerkarte Experiment erstellen des Autopiloten in der Studio-Classic-Benutzeroberfläche aus. Eine vollständige Beschreibung der einzelnen Felder finden Sie unter Erweiterte Einstellungen (optional).

  • Sicherheit: Amazon VPC-Subnetze und Sicherheitsgruppen.

  • Zugriff: AWS ARNs für IAM-Rollen.

  • Verschlüsselung: AWS KMS Schlüssel-IDs.

  • Tags: Schlüssel-Wertepaare, die zur Kennzeichnung und Organisation von SageMaker-AI-Ressourcen dienen.

Legen Sie die Standardparameter für Autopilot-Experimente fest

Administratoren können in einer Konfigurationsdatei Standardwerte festlegen und die Datei dann manuell an einem für bestimmte Benutzer empfohlenen Speicherort in der Studio-Classic-Umgebung platzieren. Sie können die Datei auch an ein Lifecycle Configuration Script (LCC) übergeben, um die Anpassung der Studio-Classic-Umgebung für eine bestimmte Domain oder ein bestimmtes Benutzerprofil zu automatisieren.

  • Um die Konfigurationsdatei einzurichten, geben Sie zunächst die Standardparameter ein.

    Um einige oder alle unter Liste der unterstützten Standardparameter aufgeführten Standardwerte zu konfigurieren kann der Administrator eine Konfigurationsdatei mit dem Namen config.yaml erstellen, deren Struktur dieser Beispielkonfigurationsdatei entsprechen sollte. Der folgende Ausschnitt zeigt eine Beispielkonfigurationsdatei mit allen unterstützten AutoML Parametern. Weitere Informationen zum Format dieser Datei finden Sie im vollständigen Schema.

    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'

  • Legen Sie die Konfigurationsdatei anschließend am empfohlenen Speicherort ab, indem Sie die Datei entweder manuell in die empfohlenen Pfade kopieren oder eine Lebenszykluskonfiguration (LCC) verwenden.

    Die Konfigurationsdatei muss an mindestens einem der folgenden Speicherorte in der Studio-Classic-Umgebung des Benutzers vorhanden sein. SageMaker AI sucht standardmäßig an zwei Orten nach einer Konfigurationsdatei:

    • Zunächst unter /etc/xdg/sagemaker/config.yaml. Diese Datei bezeichnen wir als Administrator-Konfigurationsdatei.

    • Dann unter /root/.config/sagemaker/config.yaml. Diese Datei bezeichnen wir als Benutzer-Konfigurationsdatei.

    Mithilfe der Administrator-Konfigurationsdatei können Administratoren eine Reihe von Standardwerten festlegen. Optional können sie mit Hilfe der Konfigurationsdatei des Benutzers die in der Konfigurationsdatei des Administrators festgelegten Werte umgehen oder zusätzliche Werte für die Standardparameter festlegen.

    Der folgende Ausschnitt zeigt ein Beispielskript, das die Konfigurationsdatei mit den Standardparametern an den Speicherort des Administrators in der Studio-Classic-Umgebung des Benutzers schreibt. Sie können /etc/xdg/sagemaker durch /root/.config/sagemaker ersetzen, um die Datei an den Speicherort des Benutzers zu schreiben.

    ## 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

    • Dateien manuell kopieren – Um die Konfigurationsdateien manuell zu kopieren, führen Sie das im vorangegangenen Schritt erstellte Skript von einem Studio-Classic-Terminal aus. In diesem Fall kann das Benutzerprofil, das das Skript ausgeführt hat, Autopilot-Experimente mit den Standardwerten erstellen, die nur für sie gelten.

    • Eine SageMaker-AI-Lebenszykluskonfiguration erstellen – Alternativ können Sie eine Lebenszykluskonfiguration (LCC) verwenden, um die individuelle Anpassung Ihrer Studio-Classic-Umgebung zu automatisieren. LCC sind Shell-Skripte, die durch Lebenszyklusereignisse von Amazon SageMaker Studio Classic ausgelöst werden, z. B. wenn eine Studio-Classic-Anwendung gestartet wird. Diese individuelle Anpassung beinhaltet die Installation von benutzerdefinierten Paketen, die Konfiguration von Notebook-Erweiterungen, das Laden von Datensätzen im Voraus, das Einrichten von Quellcode-Repositorys oder, in unserem Fall, das Vorausfüllen von Standardparametern. Administratoren können die LCC an eine Studio-Classic-Domain anhängen, um die Konfiguration der Standardwerte für jedes Benutzerprofil innerhalb dieser Domain zu automatisieren.

      In den folgenden Abschnitten wird eingehend beschrieben, wie eine Lebenszykluskonfiguration erstellt wird, so dass der Benutzer die Standardparameter für den Autopilot beim Starten von Studio Classic automatisch laden können. Sie können wählen, ob Sie eine LCC mit der SageMaker-AI-Konsole oder dem AWS CLI erstellen möchten.

      Create a LCC from the SageMaker AI Console

      Gehen Sie wie folgt vor, um eine LCC mit Ihren Standardparametern zu erstellen, die LCC an eine Domain oder ein Benutzerprofil anzuhängen, starten Sie dann eine Studio-Classic-Anwendung, die mit den von der LCC über die SageMaker-AI-Konsole festgelegten Standardparametern vorbelegt ist.

      • So erstellen Sie über die SageMaker-AI-Konsole eine Lebenszykluskonfiguration, die das Skript mit Ihren Standardwerten ausführt

        • Öffnen Sie die SageMaker-AI-Konsole unter https://console.aws.amazon.com/sagemaker/.

        • Navigieren Sie auf der linken Seite zu Admin-Konfigurationen und dann zu Lifecycle-Konfigurationen.

        • Navigieren Sie auf der Seite Lifecycle-Konfigurationen zur Registerkarte Studio Classic und wählen Sie dann Konfiguration erstellen aus.

        • Geben Sie unter Name einen Namen mit alphanumerischen Zeichen und „-“ ein, der keine Leerzeichen enthält. Der Name darf höchstens 63 Zeichen lang sein.

        • Fügen Sie Ihr Skript in den Abschnitt Skripte ein.

        • Wählen Sie Konfiguration erstellen aus, um die Lebenszykluskonfiguration zu erstellen. Dadurch wird ein LCC des Typs Kernel gateway app erstellt.

      • Um die Lebenszykluskonfiguration an eine Studio-Classic-Domain, eine Umgebung oder ein Benutzerprofil anzuhängen

        Folgen Sie den Schritten unter Lebenszykluskonfiguration an eine Studio-Classic-Domain oder ein Benutzerprofil anhängen, um Ihr LCC an eine Studio-Classic-Domain oder ein bestimmtes Benutzerprofil anzuhängen.

      • Zum starten Ihrer Studio-Classic-Anwendung mit der Lebenszykluskonfiguration

        Sobald das LCC an eine Domain oder ein Benutzerprofil angehängt wird, können die betroffenen Benutzer von der Startseite von Studio Classic aus eine Studio-Classic-Anwendung starten, um die vom LCC festgelegten Standardeinstellungen automatisch zu übernehmen. Damit wird die Studio-Classic-Benutzeroberfläche beim Erstellen eines Autopilot-Experiments automatisch aufgefüllt.

      Create a LCC from the AWS CLI

      Verwenden Sie die folgenden Codefragmente, um eine Studio-Classic-Anwendung zu starten, die Ihr Skript mit Hilfe des AWS CLI ausführt. Beachten Sie, dass lifecycle_config.sh der Name ist, den Ihr Skript in diesem Beispiel erhalten hat.

      Bevor Sie loslegen:

      • Vergewissern Sie sich, dass Sie AWS CLI aktualisiert und konfiguriert haben, indem Sie die unter Erstellen einer Lebenszykluskonfiguration aus AWS CLI beschriebenen Voraussetzungen erfüllen.

      • Dokumentation zur Installation von OpenSSL. Der Befehl AWS CLI verwendet die Open-Source-Bibliothek OpenSSL zum Codieren Ihres Skripts im Base64-Format. Diese Anforderung verhindert Fehler, die bei der Kodierung von Leerzeichen und Zeilenumbrüchen auftreten.

      Sie können jetzt diese drei Schritten ausführen:

      • Erstellen Sie eine neue Lebenszykluskonfiguration, die auf das Konfigurationsskript lifecycle_config.sh verweist

        LCC_CONTENT=`openssl base64 -A -in lifecycle_config.sh`

## Create a new lifecycle config 
aws sagemaker create-studio-lifecycle-config --region region \
--studio-lifecycle-config-name lcc-name \
--studio-lifecycle-config-content $LCC_CONTENT \
--studio-lifecycle-config-app-type default

        Notieren Sie sich den ARN der neu erstellten Lebenszykluskonfiguration, die zurückgegeben wird. Dieser ARN ist erforderlich, um die Lebenszykluskonfiguration an Ihre Anwendung anzuhängen.

      • Hängen Sie die Lebenszykluskonfiguration an Ihre JupyterServerApp an

        Im folgenden Beispiel wird gezeigt, wie ein neues Benutzerprofil mit einer angehängten Lebenszykluskonfiguration erstellt wird. Verwenden Sie den Befehl AWS CLI Benutzerprofil aktualisieren zum Aktualisieren eines vorhandenen Benutzerprofils. Informationen zum Erstellen oder Aktualisieren einer Domain finden Sie unter Domain erstellen und Domain aktualisieren. Fügen Sie den ARN für die Lebenszykluskonfiguration aus dem vorangegangenen Schritt zu den Einstellungen des JupyterServerAppSettings Anwendungstyps hinzu. Mit Hilfe einer Liste von Lebenszykluskonfigurationen können Sie mehrere Lebenszykluskonfigurationen gleichzeitig hinzufügen.

        # Create a new UserProfile
aws sagemaker create-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"JupyterServerAppSettings": {
  "LifecycleConfigArns":
    ["lifecycle-configuration-arn"]
  }
}'

        Sobald die LCC an eine Domain oder ein Benutzerprofil angehängt ist, können betroffene Benutzer ihre vorhandene Studio-Classic-Anwendung herunterfahren und aktualisieren, indem sie den Schritten unter Amazon SageMaker Studio Classic herunterfahren und aktualisieren folgen oder von der AWS-Konsole aus eine neue Studio-Classic-Anwendung starten, um die von der LCC festgelegten Standardeinstellungen automatisch zu übernehmen. Damit wird die Studio-Classic-Benutzeroberfläche beim Erstellen eines Autopilot-Experiments automatisch aufgefüllt. Alternativ können sie mit Hilfe des AWS CLI wie folgt eine neue Studio-Classic-Anwendung starten.

      • Starten Sie Ihre Studio-Classic-Anwendung mit der Lebenszykluskonfiguration mit Hilfe des AWS CLI

        # Create a Jupyter Server application
aws sagemaker create-app --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--app-type JupyterServer \
--resource-spec LifecycleConfigArn=lifecycle-configuration-arn \
--app-name default

        Weitere Informationen zum Erstellen einer Lebenszykluskonfiguration mit Hilfe des AWS CLI finden Sie unter Erstellen einer Lebenszykluskonfiguration aus dem AWS CLI.