Images personnalisées - Amazon SageMaker AI
Surveillance de l’état et URL des applicationsExemples de fichiers Docker

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.

Images personnalisées

Si vous avez besoin de fonctionnalités différentes de celles fournies par SageMaker la distribution, vous pouvez apporter votre propre image avec vos extensions et packages personnalisés. Vous pouvez également l'utiliser pour personnaliser l' JupyterLab interface utilisateur en fonction de vos propres besoins en matière de marque ou de conformité.

La page suivante fournit des informations JupyterLab spécifiques et des modèles pour créer vos propres images d' SageMaker IA personnalisées. Ceci est destiné à compléter les informations et les instructions d'Amazon SageMaker Studio sur la création de votre propre image SageMaker AI et l'intégration de votre propre image dans Studio. Pour en savoir plus sur les images Amazon SageMaker AI personnalisées et sur la manière d'intégrer votre propre image dans Studio, consultezApporter votre propre image (BYOI).

Surveillance de l’état et URL des applications

  • Base URL : l’URL de base de l’application BYOI doit être jupyterlab/default. Vous ne pouvez avoir qu’une seule application et elle doit toujours être nommée default.

  • HealthCheck API— L' SageMaker IA utilise le point de contrôle de santé du port 8888 pour vérifier l'état de santé de l' JupyterLabapplication. jupyterlab/default/api/statusest le point final du bilan de santé.

  • Home/Default URL— Les /opt/ml répertoires /opt/.sagemakerinternal et utilisés parAWS. Le fichier de métadonnées dans /opt/ml contient des métadonnées sur des ressources telles que DomainId.

  • Authentification : pour activer l’authentification de vos utilisateurs, désactivez l’authentification par mot de passe ou par jeton de bloc-notes Jupyter, et autorisez toutes les origines.

Exemples de fichiers Docker

Les exemples suivants sont des fichiers Dockerfile qui répondent aux informations ci-dessus et aux Spécifications d’images personnalisées.

Note

Si vous apportez votre propre image à SageMaker Unified Studio, vous devez suivre les spécifications Dockerfile du guide de l'utilisateur d'Amazon SageMaker Unified Studio.

Dockerfilevous trouverez des exemples d' SageMaker Unified Studio dans l'exemple Dockerfile du guide de l'utilisateur d'Amazon SageMaker Unified Studio.

Example AL2023 Dockerfile

L’exemple suivant est un fichier Dockerfile AL2023 qui répond aux informations ci-dessus et aux Spécifications d’images personnalisées.

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 SageMaker Distribution sur Amazon Dockerfile

L’exemple suivant est un fichier Dockerfile Amazon SageMaker Distribution qui répond aux informations ci-dessus et aux Spécifications d’images personnalisées.

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"]