Configuration des paramètres par défaut d'une expérience Autopilot (pour les administrateurs) - Amazon SageMaker AI
Paramètres par défaut pris en chargeDéfinition des paramètres par défaut

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Configuration des paramètres par défaut d'une expérience Autopilot (pour les administrateurs)

Autopilot prend en charge la définition de valeurs par défaut pour simplifier la configuration d’Amazon SageMaker Autopilot lorsque vous créez une expérience Autopilot à l’aide de l’interface utilisateur Studio Classic. Les administrateurs peuvent utiliser les configurations de cycle de vie (LCC) Studio Classic pour définir les valeurs d’infrastructure, de réseau et de sécurité dans les fichiers de configuration, et préremplir les paramètres avancés des tâches AutoML.

Ce faisant, ils peuvent contrôler entièrement la connectivité réseau et les autorisations d’accès aux ressources associées à Amazon SageMaker Studio Classic, notamment les instances SageMaker AI, les sources de données, les données de sortie et les autres services connexes. Plus précisément, les administrateurs peuvent configurer une architecture réseau souhaitée, telle qu’Amazon VPC, les sous-réseaux et les groupes de sécurité, pour un domaine Studio Classic ou des profils utilisateur individuels. Les scientifiques des données peuvent se concentrer sur des paramètres spécifiques à la science des données lorsqu’ils créent leurs expériences Autopilot à l’aide de l’interface utilisateur Studio Classic. En outre, les administrateurs peuvent gérer le chiffrement des données sur l'instance dans laquelle les expériences Autopilot sont exécutées en définissant des clés de chiffrement par défaut.

Note

Cette fonctionnalité n'est actuellement pas disponible dans les régions d'adhésion Asie-Pacifique (Hong Kong) et Moyen-Orient (Bahreïn).

Dans les sections suivantes, vous trouverez la liste complète des paramètres permettant de définir des valeurs par défaut lors de la création d’une expérience Autopilot à l’aide de l’interface utilisateur Studio Classic, et vous découvrirez comment définir ces valeurs par défaut.

Liste des paramètres par défaut pris en charge

Les paramètres suivants permettent de définir des valeurs par défaut avec un fichier de configuration pour créer une expérience Autopilot à l’aide de l’interface utilisateur Studio Classic. Une fois définies, ces valeurs remplissent automatiquement leurs champs correspondants dans l’onglet Créer une expérience d’Autopilot dans l’interface utilisateur Studio Classic. Consultez Paramètres avancés (facultatif) pour une description complète de chaque champ.

  • Sécurité : Amazon VPC, sous-réseaux et groupes de sécurité.

  • Accès : noms ARN des rôles AWS IAM.

  • Chiffrement : ID des clés AWS KMS.

  • Balises : paires clé-valeur utilisées pour étiqueter et organiser les ressources SageMaker AI.

Définition des paramètres d'expérience Autopilot par défaut

Les administrateurs peuvent définir des valeurs par défaut dans un fichier de configuration, puis placer manuellement ce fichier dans un emplacement recommandé de l’environnement Studio Classic d’utilisateurs spécifiques, ou ils peuvent transmettre le fichier à un script de configuration du cycle de vie (LCC) afin d’automatiser la personnalisation de l’environnement Studio Classic pour un domaine ou un profil utilisateur donné.

  • Pour configurer le fichier de configuration, commencez par renseigner ses paramètres par défaut.

    Pour configurer l'une ou l'ensemble des valeurs par défaut répertoriées dans Liste des paramètres par défaut pris en charge, les administrateurs peuvent créer un fichier de configuration nommé config.yaml, dont la structure doit être conforme à cet exemple de fichier de configuration. L'extrait suivant montre un exemple de fichier de configuration avec tous les paramètres AutoML pris en charge. Pour plus d'informations sur le format de ce fichier, reportez-vous au schéma complet.

    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'

  • Placez ensuite le fichier de configuration à l'emplacement recommandé en le copiant manuellement dans les chemins recommandés ou en utilisant une configuration de cycle de vie (LCC).

    Le fichier de configuration doit être présent dans au moins l’un des emplacements suivants dans l’environnement Studio Classic de l’utilisateur. Par défaut, SageMaker AI recherche un fichier de configuration à deux emplacements :

    • Tout d'abord, dans /etc/xdg/sagemaker/config.yaml. Nous appelons ce fichier le fichier de configuration de l'administrateur.

    • Ensuite, dans /root/.config/sagemaker/config.yaml. Nous appelons ce fichier le fichier de configuration de l'utilisateur.

    À l'aide du fichier de configuration de l'administrateur, les administrateurs peuvent définir un ensemble de valeurs par défaut. En option, ils peuvent utiliser le fichier de configuration de l'utilisateur pour remplacer les valeurs définies dans le fichier de configuration de l'administrateur ou définir des valeurs de paramètres par défaut supplémentaires.

    L’extrait suivant montre un exemple de script qui écrit le fichier de configuration des paramètres par défaut dans l’emplacement de l’administrateur dans l’environnement Studio Classic de l’utilisateur. Vous pouvez remplacer /etc/xdg/sagemaker par /root/.config/sagemaker pour écrire le fichier à l'emplacement de l'utilisateur.

    ## 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

    • Copier les fichiers manuellement : pour copier les fichiers de configuration manuellement, exécutez le script créé à l’étape précédente à partir d’un terminal Studio Classic. Dans ce cas, le profil utilisateur qui a exécuté le script peut créer des expériences Autopilot avec les valeurs par défaut applicables uniquement à ces expériences.

    • Créer une configuration de cycle de vie SageMaker AI : vous pouvez également utiliser une configuration de cycle de vie (LCC) pour automatiser la personnalisation de votre environnement Studio Classic. Les configurations de cycle de vie sont des scripts shell déclenchés par des événements de cycle de vie Amazon SageMaker Studio Classic, tels que le démarrage d’une application Studio Classic. Cette personnalisation inclut l'installation de packages personnalisés, la configuration d'extensions de bloc-notes, le préchargement de jeux de données, la configuration de référentiels de code source ou, dans notre cas, le préremplissage de paramètres par défaut. Les administrateurs peuvent attacher la LCC à un domaine Studio Classic afin d’automatiser la configuration des valeurs par défaut pour chaque profil utilisateur au sein de ce domaine.

      Les sections suivantes expliquent en détail comment créer une configuration de cycle de vie afin que les utilisateurs puissent charger automatiquement les paramètres par défaut Autopilot au lancement de Studio Classic. Vous pouvez choisir de créer une LCC à l’aide de la console SageMaker AI ou de l’AWS CLI.

      Create a LCC from the SageMaker AI Console

      Procédez comme suit pour créer une LCC contenant vos paramètres par défaut, l’attacher à un domaine ou à un profil utilisateur, puis lancer une application Studio Classic préremplie avec les paramètres par défaut définis par la LCC à l’aide de la console SageMaker AI.

      • Pour créer une configuration de cycle de vie qui exécute le script contenant vos valeurs par défaut à l’aide de la console SageMaker AI

        • Ouvrez la console SageMaker AI à l’adresse https://console.aws.amazon.com/sagemaker/.

        • Sur le côté gauche, accédez à Configurations d’administrateur, puis à Configurations de cycle de vie.

        • Sur la page Configurations de cycle de vie, accédez à l’onglet Studio Classic, puis choisissez Créer une configuration.

        • Dans Name (Nom), saisissez un nom en utilisant des caractères alphanumériques et « - », mais pas d’espaces. Le nom peut comporter un maximum de 63 caractères.

        • Collez votre script dans la section Scripts.

        • Choisissez Configuration de cycle de vie pour créer la configuration. Cela crée une LCC de type Kernel gateway app.

      • Pour attacher la configuration de cycle de vie à un domaine Studio Classic, à un espace ou à un profil utilisateur

        Suivez les étapes décrites dans Attacher la configuration de cycle de vie à un domaine ou à un profil utilisateur pour attacher la LCC à un domaine Studio Classic ou à un profil utilisateur spécifique.

      • Pour lancer l’application Studio Classic avec la configuration de cycle de vie

        Une fois la LCC attachée à un domaine ou à un profil utilisateur, les utilisateurs concernés peuvent démarrer une application Studio Classic depuis la page de destination Studio Classic dans Studio afin de récupérer les valeurs par défaut définies automatiquement par la LCC. Cela remplit automatiquement l’interface utilisateur Studio Classic lors de la création d’une expérience Autopilot.

      Create a LCC from the AWS CLI

      Utilisez les extraits suivants pour lancer une application Studio Classic qui exécute votre script à l’aide de l’AWS CLI. Notez que lifecycle_config.sh est le nom donné à votre script dans cet exemple.

      Avant de commencer :

      • Assurez-vous d'avoir mis à jour et configuré l'AWS CLI en effectuant les prérequis décrits dans Création d'une configuration de cycle de vie à partir d'AWS CLI.

      • Installez la documentation OpenSSL. La commande AWS CLI utilise la bibliothèque open source OpenSSL pour encoder votre script au format Base64. Cette exigence évite les erreurs dues à l’encodage des espacements et des sauts de ligne.

      Vous pouvez désormais suivre les trois étapes suivantes :

      • Création d’une nouvelle configuration de cycle de vie faisant référence au script de configuration lifecycle_config.sh

        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

        Notez l’ARN de la configuration de cycle de vie nouvellement créée qui est renvoyée. Cet ARN est requis pour attacher la configuration du cycle de vie à votre application.

      • Attachez la configuration de cycle de vie à JupyterServerApp.

        L'exemple suivant montre comment créer un nouveau profil utilisateur auquel une configuration de cycle de vie est attachée. Pour mettre à jour un profil utilisateur existant, utilisez la commande AWS CLI update-user-profile. Pour créer ou mettre à jour un domaine, consultez create-domain et update-domain. Ajoutez l'ARN de la configuration de cycle de vie de l'étape précédente aux paramètres du type d'application JupyterServerAppSettings. Vous pouvez ajouter plusieurs configurations de cycle de vie à la fois en utilisant une liste de configurations de cycle de vie.

        # 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"]
  }
}'

        Une fois la LCC attachée à un domaine ou à un profil utilisateur, les utilisateurs concernés peuvent fermer et mettre à jour leur application Studio Classic existante en suivant les étapes décrites dans Arrêter et mettre à jour Amazon SageMaker Studio Classic, ou démarrer une nouvelle application Studio Classic depuis la console AWS pour récupérer les valeurs par défaut définies automatiquement par la LCC. Cela remplit automatiquement l’interface utilisateur Studio Classic lors de la création d’une expérience Autopilot. Ils peuvent également lancer une nouvelle application Studio Classic en utilisant l’AWS CLI comme suit.

      • Lancement de l’application Studio Classic avec la configuration de cycle de vie à l’aide de l’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

        Pour plus d'informations sur la création d'une configuration de cycle de vie à l'aide d'AWS CLI, consultez Création d'une configuration de cycle de vie à partir d'AWS CLI.