Mise à jour de la configuration du conteneur - Amazon SageMaker AI

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.

Mise à jour de la configuration du conteneur

Vous pouvez apporter des images Docker personnalisées dans vos flux de travail de machine learning. Un aspect clé de la personnalisation de ces images est la configuration des configurations de conteneur, ou ContainerConfig. La page suivante fournit un exemple de configuration de votre ContainerConfig.

Un point d’entrée est la commande ou le script qui s’exécute au démarrage du conteneur. Les points d’entrée personnalisés vous permettent de configurer votre environnement, d’initialiser des services ou d’effectuer toute configuration nécessaire avant le lancement de votre application.

Cet exemple fournit des instructions sur la façon de configurer un point d'entrée personnalisé, pour votre JupyterLab application, à l'aide du. AWS CLI Cet exemple suppose que vous avez déjà créé une image et un domaine personnalisés. Pour obtenir des instructions, veuillez consulter Attachement de votre image personnalisée à votre domaine.

  1. Définissez d'abord vos variables pour les AWS CLI commandes qui suivent.

    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 est le nom de la configuration de votre image d’application.

    • entrypoint-file-name est le nom du script de point d’entrée de votre conteneur. Par exemple, entrypoint.sh.

    • environment-key est le nom de votre variable d’environnement.

    • environment-value est la valeur affectée à votre variable d’environnement.

    • aws-regionest celui Région AWS de votre domaine Amazon SageMaker AI. Vous pouvez le trouver en haut à droite de n'importe quelle page de AWS console.

    • domain-id est l’ID de votre domaine. Pour visualiser vos domaines, consultez Visualisation des domaines.

    • custom-image-name est le nom de votre image personnalisée. Pour visualiser les détails de votre image personnalisée, consultez Visualisation des détails de l’image personnalisée (console).

      Si vous avez suivi les instructions indiquées dans Attachement de votre image personnalisée à votre domaine, vous souhaiterez peut-être utiliser le même nom d’image que celui que vous avez utilisé dans ce processus.

    • custom-image-version est le numéro de version de votre image personnalisée. Il doit s’agir d’un entier représentant la version de votre image. Pour visualiser les détails de votre image personnalisée, consultez Visualisation des détails de l’image personnalisée (console).

  2. Utilisez l’API CreateAppImageConfig pour créer une configuration d’image.

    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. Utilisez l’API UpdateDomain pour mettre à jour les paramètres par défaut pour votre domaine. Cela attachera l’image personnalisée ainsi que la configuration de l’image d’application. 

    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}\"
                }
            ]
        }
    }"