Starten eines benutzerdefinierten SageMaker-Images in Amazon SageMaker Studio Classic

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

Wählen Sie im linken Navigationsbereich Admin-Konfigurationen.

Wählen Sie unter Admin-Konfigurationen die Option Images.

Wählen Sie auf der Seite Benutzerdefinierte Images die Option Image erstellen aus.

Geben Sie als Image-Quelle den Registry-Pfad zum Container-Image in Amazon ECR ein. Der Pfad hat das folgende Format:

acct-id.dkr.ecr.region.amazonaws.com/repo-name[:tag] or [@digest]

Wählen Sie Weiter aus.

Geben Sie unter Image-Eigenschaften Folgendes ein:

Wählen Sie Absenden aus.

Wählen Sie Version erstellen in derselben Zeile wie das Image aus.

Geben Sie als Image-Quelle den Registry-Pfad zum Amazon ECR-Container-Image ein. Das Container-Image sollte nicht dasselbe Image sein, das in einer früheren Version des SageMaker-Images verwendet wurde.

Erstellen ein SageMaker-Image.

aws sagemaker create-image \
    --image-name custom-image \
    --role-arn arn:aws:iam::<acct-id>:role/service-role/<execution-role>

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "ImageArn": "arn:aws:sagemaker:us-east-2:acct-id:image/custom-image"
}

Erstellen Sie eine SageMaker-Image-Version aus dem Container-Image.

aws sagemaker create-image-version \
    --image-name custom-image \
    --base-image <acct-id>.dkr.ecr.<region>.amazonaws.com/smstudio-custom:custom-image

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1"
}

Überprüfen Sie, ob die Image-Version erfolgreich erstellt wurde.

aws sagemaker describe-image-version \
    --image-name custom-image \
    --version-number 1

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1",
    "ImageVersionStatus": "CREATED"
}

Erstellen Sie eine Konfigurationsdatei mit dem Namen app-image-config-input.json. Der Name Wert von KernelSpecs muss mit dem Namen des KernelSpec übereinstimmen, der in dem mit diesem AppImageConfig verbundenen Image verfügbar ist. Bei diesem Wert ist die Groß- und Kleinschreibung zu beachten. Sie können die verfügbaren kernelSpecs in einem Image finden, indem Sie jupyter-kernelspec list von einer Shell innerhalb des Containers ausführen. MountPath ist der Pfad innerhalb des Images, um Ihr Amazon Elastic File System (Amazon EFS) Home-Verzeichnis zu mounten. Dieser muss sich von dem Pfad unterscheiden, den Sie innerhalb des Containers verwenden, da dieser Pfad überschrieben wird, wenn Ihr Amazon EFS-Home-Verzeichnis bereitgestellt wird.

{
    "AppImageConfigName": "custom-image-config",
    "KernelGatewayImageConfig": {
        "KernelSpecs": [
            {
                "Name": "python3",
                "DisplayName": "Python 3 (ipykernel)"
            }
        ],
        "FileSystemConfig": {
            "MountPath": "/home/sagemaker-user",
            "DefaultUid": 1000,
            "DefaultGid": 100
        }
    }
}

Erstellen Sie AppImageConfig mithilfe der im vorherigen Schritt erstellten Datei.

aws sagemaker create-app-image-config \
    --cli-input-json file://app-image-config-input.json

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "AppImageConfigArn": "arn:aws:sagemaker:us-east-2:acct-id:app-image-config/custom-image-config"
}