View a markdown version of this page

Benutzerdefinierte Images - Amazon SageMaker KI
Zustandsprüfung und URL für AnwendungenDockerfile-Beispiele

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.

Benutzerdefinierte Images

Wenn Sie Funktionen benötigen, die sich von den von der SageMaker Distribution bereitgestellten unterscheiden, können Sie Ihr eigenes Image mit Ihren benutzerdefinierten Erweiterungen und Paketen mitbringen. Sie können es auch verwenden, um die JupyterLab Benutzeroberfläche an Ihre eigenen Branding- oder Compliance-Anforderungen anzupassen.

Auf der folgenden Seite finden Sie JupyterLab-specific Informationen und Vorlagen zum Erstellen Ihrer eigenen benutzerdefinierten SageMaker KI-Bilder. Dies soll die Amazon SageMaker Studio-Informationen und Anweisungen zum Erstellen Ihres eigenen SageMaker KI-Images und zum Einbringen Ihres eigenen Bilds in Studio ergänzen. Weitere Informationen zu benutzerdefinierten Amazon SageMaker AI-Bildern und dazu, wie Sie Ihr eigenes Bild in Studio integrieren können, finden Sie unterBring Your Own Image (BYOI).

Zustandsprüfung und URL für Anwendungen

  • Base URL – Die Basis-URL für die BYOI-Anwendung muss jupyterlab/default lauten. Es ist nur eine Anwendung zulässig, und diese muss stets den Namen default haben.

  • HealthCheck API— SageMaker AI verwendet den Endpunkt der Integritätsprüfung am Port8888, um den Zustand der JupyterLab Anwendung zu überprüfen. jupyterlab/default/api/statusist der Endpunkt für den Gesundheitscheck.

  • Home/Default URL— Die /opt/ml Verzeichnisse /opt/.sagemakerinternal und, die von verwendet werden AWS. Die Metadatendatei in /opt/ml enthält Metadaten zu Ressourcen wie DomainId.

  • Authentifizierung – Um die Authentifizierung für Ihre Benutzer zu aktivieren, deaktivieren Sie bitte die token- oder passwortbasierte Authentifizierung für Jupyter-Notebooks und lassen Sie alle Ursprünge zu.

Dockerfile-Beispiele

Die folgenden Beispiele sind Dockerfiles, die den obigen Informationen und Benutzerdefinierte Image-Daten entsprechen.

Anmerkung

Wenn Sie Ihr eigenes Image zu SageMaker Unified Studio mitbringen, müssen Sie die Dockerfile-Spezifikationen im Amazon SageMaker Unified Studio-Benutzerhandbuch befolgen.

DockerfileBeispiele für SageMaker Unified Studio finden Sie im Dockerfile-Beispiel im Amazon SageMaker Unified Studio-Benutzerhandbuch.

Example AL2023 Dockerfile

Das folgende ist ein Beispiel für AL2023 Dockerfile, die den obigen Informationen und Benutzerdefinierte Image-Daten entsprechen.

FROM public.ecr.aws/amazonlinux/amazonlinux:2023

ARG NB_USER="sagemaker-user"
ARG NB_UID=1000
ARG NB_GID=100

# Install Python3, pip, and other dependencies
RUN yum install -y \
    python3 \
    python3-pip \
    python3-devel \
    gcc \
    shadow-utils && \
    useradd --create-home --shell /bin/bash --gid "${NB_GID}" --uid ${NB_UID} ${NB_USER} && \
    yum clean all

RUN python3 -m pip install --no-cache-dir \
    'jupyterlab>=4.0.0,<5.0.0' \
    urllib3 \
    jupyter-activity-monitor-extension \
    --ignore-installed

# Verify versions
RUN python3 --version && \
    jupyter lab --version

USER ${NB_UID}
CMD jupyter lab --ip 0.0.0.0 --port 8888 \
    --ServerApp.base_url="/jupyterlab/default" \
    --ServerApp.token='' \
    --ServerApp.allow_origin='*'
Example Amazon-Vertrieb SageMaker Dockerfile

Das folgende ist ein Beispiel für Amazon SageMaker Distribution Dockerfile, die den obigen Informationen und Benutzerdefinierte Image-Daten entsprechen.

FROM public.ecr.aws/sagemaker/sagemaker-distribution:latest-cpu
ARG NB_USER="sagemaker-user"
ARG NB_UID=1000
ARG NB_GID=100

ENV MAMBA_USER=$NB_USER

USER root

RUN apt-get update
RUN micromamba install sagemaker-inference --freeze-installed --yes --channel conda-forge --name base

USER $MAMBA_USER

ENTRYPOINT ["entrypoint-jupyter-server"]