Actualización de la configuración de un contenedor - Amazon SageMaker AI

Actualización de la configuración de un contenedor

Puede incorporar imágenes de Docker personalizadas en sus flujos de trabajo de machine learning. Un aspecto clave de la personalización de estas imágenes es definir las configuraciones del contenedor o de ContainerConfig. En la página siguiente se proporciona un ejemplo de cómo definir su ContainerConfig.

Un punto de entrada es el comando o script que se ejecuta cuando se inicia el contenedor. Los puntos de entrada personalizados le permiten configurar su entorno, inicializar los servicios o realizar cualquier configuración necesaria antes de que se inicie la aplicación.

En este ejemplo se proporcionan instrucciones sobre cómo configurar un punto de entrada personalizado para su aplicación JupyterLab desde la AWS CLI. En este ejemplo se supone que ya ha creado una imagen y un dominio personalizados. Para obtener instrucciones, consulte Asociación de la imagen personalizada a su dominio.

  1. Primero debe configurar las variables para los comandos AWS CLI siguientes.

    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 es el nombre de la configuración de la imagen de su aplicación.

    • entrypoint-file-name es el nombre del script de punto de entrada de su contenedor. Por ejemplo, entrypoint.sh.

    • environment-key es el nombre de su variable de entorno.

    • environment-value es el valor asignado a su variable de entorno.

    • aws-region es la Región de AWS de su dominio Amazon SageMaker AI. Puede encontrarlo en la parte superior derecha de cualquier página de la consola de AWS.

    • domain-id es su ID de dominio. Para ver sus dominios, consulte Visualización de dominios.

    • custom-image-name es el nombre de la imagen personalizada. Para ver los detalles de la imagen personalizada, consulte Visualización de los detalles de la imagen personalizada (consola).

      Si ha seguido las instrucciones que se indican en Asociación de la imagen personalizada a su dominio, recomendamos utilizar el mismo nombre de imagen que utilizó en ese proceso.

    • custom-image-version es el número de versión de la imagen personalizada. Debe ser un número entero que represente la versión de la imagen. Para ver los detalles de la imagen personalizada, consulte Visualización de los detalles de la imagen personalizada (consola).

  2. Use la API CreateAppImageConfig para crear una configuración de imagen.

    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. Use la API UpdateDomain para actualizar la configuración predeterminada de su dominio. Esta acción asociará la imagen personalizada y la configuración de la imagen de la aplicación. 

    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}\"
                }
            ]
        }
    }"