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, um die Konfiguration von Amazon SageMaker Autopilot zu vereinfachen, wenn Sie ein Autopilot-Experiment mit der Studio Classic-Benutzeroberfläche erstellen. Administratoren können mit Hilfe von Studio Classic [Lifecycle Configurations](studio-lcc.md) (LCC) in Konfigurationsdateien Infrastruktur-, Netzwerk- und Sicherheitswerte festlegen und die [erweiterten Einstellungen](autopilot-automate-model-development-create-experiment-ui.md#advanced-settings) von `AutoML`-Jobs vorab ausfüllen. Auf diese Weise können sie die Netzwerkkonnektivität und die Zugriffsberechtigungen für die mit Amazon SageMaker Studio Classic verknüpften Ressourcen, einschließlich SageMaker KI-Instances, Datenquellen, Ausgabedaten und anderer verwandter Dienste, vollständig kontrollieren. 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. **Topics** + [Liste der unterstützten Standardparameter](#autopilot-list-default-parameters-create-experiment) + [Legen Sie die Standardparameter für Autopilot-Experimente fest](#autopilot-set-default-parameters-create-experiment-howto) ## 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)](autopilot-automate-model-development-create-experiment-ui.md#advanced-settings). + **Sicherheit:** Amazon VPC-Subnetze und Sicherheitsgruppen. + **Zugriff: AWS IAM-Rolle**. ARNs + **Verschlüsselung:** AWS KMS Schlüssel IDs. + **Schlagworte:** Schlüssel-Wert-Paare, die zur Kennzeichnung und Organisation von SageMaker KI-Ressourcen verwendet werden. ## 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](#autopilot-list-default-parameters-create-experiment) aufgeführten Standardwerte zu konfigurieren kann der Administrator eine Konfigurationsdatei mit dem Namen `config.yaml` erstellen, deren Struktur dieser [Beispielkonfigurationsdatei](https://sagemaker.readthedocs.io/en/stable/overview.html#configuration-file-structure) entsprechen sollte. Der folgende Ausschnitt zeigt eine Beispielkonfigurationsdatei mit allen unterstützten `AutoML` Parametern. Weitere Informationen zum Format dieser Datei finden Sie im [vollständigen Schema](https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/config/config_schema.py). ``` 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](#autopilot-intelligent-defaults-manual-setup) in die empfohlenen Pfade kopieren oder eine [Lebenszykluskonfiguration](#autopilot-intelligent-defaults-lcc-setup) (LCC) verwenden. Die Konfigurationsdatei muss an mindestens einem der folgenden Speicherorte in der Studio-Classic-Umgebung des Benutzers vorhanden sein. Standardmäßig sucht SageMaker AI 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](#autopilot-intelligent-defaults-manual-setup) 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. + **Erstellen Sie eine SageMaker KI-Lebenszykluskonfiguration** — Alternativ können Sie eine [Lebenszykluskonfiguration](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc.html) (LCC) verwenden, um die Anpassung Ihrer Studio Classic-Umgebung zu automatisieren. LCC sind Shell-Skripte, die durch Lebenszyklusereignisse von Amazon SageMaker Studio Classic ausgelöst werden, z. B. durch das Starten einer Studio Classic-Anwendung. 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 ein LCC mit der SageMaker AI-Konsole oder dem erstellen möchten. AWS CLI ------ #### [ Create a LCC from the SageMaker AI Console ] Gehen Sie wie folgt vor, um ein LCC mit Ihren Standardparametern zu erstellen, das LCC an eine Domäne oder ein Benutzerprofil anzuhängen und dann eine Studio Classic-Anwendung zu starten, die mit den vom LCC festgelegten Standardparametern über die AI-Konsole vorbelegt ist. SageMaker + **Um eine Lebenszykluskonfiguration zu erstellen, die das [Skript](#autopilot-intelligent-defaults-script) mit Ihren Standardwerten mithilfe der AI-Konsole ausführt SageMaker ** + Öffnen Sie die SageMaker AI-Konsole unter[https://console.aws.amazon.com/sagemaker/](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](#autopilot-intelligent-defaults-script) 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](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc-create-console.html#studio-lcc-create-console-step2), 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](#autopilot-intelligent-defaults-manual-setup) 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: + Stellen Sie sicher, dass Sie aktualisiert und konfiguriert haben, AWS CLI indem Sie die Voraussetzungen erfüllen, die unter [Erstellen einer Lebenszykluskonfiguration aus dem](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc-create-cli.html) beschrieben sind AWS CLI. + Dokumentation zur Installation von [OpenSSL](https://www.openssl.org/source/). Der AWS CLI Befehl verwendet die Open-Source-Bibliothek *OpenSSL*, um Ihr Skript im Base64-Format zu codieren. 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, um ein vorhandenes Benutzerprofil zu aktualisieren. AWS CLI [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html) Informationen zum Erstellen oder Aktualisieren einer Domain finden Sie unter [Domain erstellen](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-domain.html) und [Domain aktualisieren](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html). 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 das LCC an eine Domain oder ein Benutzerprofil angehängt ist, können betroffene Benutzer ihre bestehende Studio Classic-Anwendung herunterfahren und aktualisieren, indem sie den Schritten unter [Amazon SageMaker Studio Classic herunterfahren und aktualisieren folgen oder eine neue Studio Classic-Anwendung](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-tasks-update-studio.html) von der AWS Konsole aus starten, um die vom LCC festgelegten Standardeinstellungen automatisch zu übernehmen. Damit wird die Studio-Classic-Benutzeroberfläche beim Erstellen eines Autopilot-Experiments automatisch aufgefüllt. Alternativ können sie wie folgt eine neue Studio Classic-Anwendung starten. AWS CLI + **Starten Sie Ihre Studio Classic-Anwendung mit der Lebenszykluskonfiguration mithilfe der 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](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc-create-cli.html). ------