Configura i parametri predefiniti di un esperimento Autopilot (per amministratori) - Amazon SageMaker AI
Parametri predefiniti supportatiImposta i parametri predefiniti

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Configura i parametri predefiniti di un esperimento Autopilot (per amministratori)

Autopilot supporta l’impostazione di valori predefiniti per semplificare la configurazione di Amazon SageMaker Autopilot durante la creazione di un esperimento Autopilot mediante l’interfaccia utente di Studio Classic. Gli amministratori possono utilizzare le configurazioni del ciclo di vita (LCC) di Studio Classic per impostare i valori di infrastruttura, rete e sicurezza nei file di configurazione e precompilare le impostazioni avanzate dei processi AutoML.

In questo modo, possono avere il pieno controllo della connettività di rete e delle autorizzazioni di accesso per le risorse associate ad Amazon SageMaker Studio Classic, tra cui istanze SageMaker AI, origini dati, dati di output e altri servizi correlati. In particolare, gli amministratori possono configurare l’architettura di rete desiderata, come Amazon VPC, sottoreti e gruppi di sicurezza, per un dominio Studio Classic o profili utente individuali. I data scientist possono concentrarsi su parametri specifici della data science durante la creazione dei propri esperimenti Autopilot utilizzando l’interfaccia utente di Studio Classic. Inoltre, gli amministratori possono gestire la crittografia dei dati sull'istanza in cui vengono eseguiti gli esperimenti Autopilot impostando chiavi di crittografia predefinite.

Nota

Questa funzionalità non è attualmente disponibile nelle Regioni Asia Pacifico (Hong Kong) e Medio Oriente (Bahrein).

Le sezioni seguenti contengono l’elenco completo dei parametri che supportano l’impostazione dei valori predefiniti durante la creazione di un esperimento Autopilot utilizzando l’interfaccia utente di Studio Classic, con una spiegazione su come impostare tali valori predefiniti.

Elenco dei parametri predefiniti supportati

I seguenti parametri supportano l’impostazione di valori predefiniti con un file di configurazione per la creazione di un esperimento Autopilot utilizzando l’interfaccia utente di Studio Classic. Una volta impostati, i valori compilano automaticamente il campo corrispondente nella scheda Crea esperimento di Autopilot nell’interfaccia utente di Studio Classic. Consulta Impostazioni avanzate (opzionale) per una descrizione completa di ogni campo.

  • Sicurezza: Amazon VPC, sottoreti e gruppi di sicurezza di Amazon.

  • Accesso: ARN per ruoli IAM AWS.

  • Crittografia: ID delle chiavi AWS KMS.

  • Tag: coppie chiave-valore utilizzate per etichettare e organizzare le risorse SageMaker AI.

Imposta i parametri predefiniti dell'esperimento Autopilot

Gli amministratori possono impostare valori predefiniti in un file di configurazione, quindi collocare manualmente il file in una posizione consigliata all’interno dell’ambiente Studio Classic di utenti specifici oppure possono passare il file a uno script di configurazione del ciclo di vita (LCC) per automatizzare la personalizzazione dell’ambiente Studio Classic di un determinato dominio o profilo utente.

  • Per configurare il file di configurazione, inizia inserendo i parametri predefiniti.

    Per configurare alcuni o tutti i valori predefiniti elencati inElenco dei parametri predefiniti supportati, gli amministratori possono creare un file di configurazione denominato config.yaml, la cui struttura deve corrispondere a questo file di configurazione di esempio. Il frammento seguente mostra un file di configurazione di esempio con tutti i parametri AutoML supportati. Per ulteriori informazioni sul formato di questo file, consulta lo schema completo.

    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'

  • Poi, posiziona il file di configurazione nella posizione consigliata copiando manualmente il file nei percorsi consigliati o utilizzando una configurazione del ciclo di vita (LCC).

    Il file di configurazione deve essere presente in almeno una delle seguenti posizioni nell’ambiente Studio Classic dell’utente. Per impostazione predefinita, SageMaker AI cerca un file di configurazione in due posizioni:

    • Prima, in /etc/xdg/sagemaker/config.yaml. Ci riferiamo a questo file come al file di configurazione dell'amministratore.

    • Poi, in /root/.config/sagemaker/config.yaml. Ci riferiamo a questo file come al file di configurazione utente.

    Utilizzando il file di configurazione dell'amministratore, gli amministratori possono definire un set di valori predefiniti. Facoltativamente, possono utilizzare il file di configurazione utente per sovrascrivere i valori impostati nel file di configurazione dell'amministratore o impostare valori di parametri predefiniti aggiuntivi.

    Il frammento di codice seguente mostra uno script di esempio che scrive il file di configurazione dei parametri predefiniti nella posizione dell’amministratore nell’ambiente Studio Classic dell’utente. È possibile sostituire /etc/xdg/sagemaker con /root/.config/sagemaker per scrivere il file nella posizione dell'utente.

    ## 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

    • Copia i file manualmente - Per copiare i file di configurazione manualmente, esegui lo script creato nella fase precedente da un terminale Studio Classic. In questo caso, il profilo utente che ha eseguito lo script può creare esperimenti Autopilot con i valori predefiniti applicabili solo a tali esperimenti.

    • Crea una configurazione del ciclo di vita di SageMaker AI - In alternativa, puoi utilizzare una configurazione del ciclo di vita (LCC) per automatizzare la personalizzazione del tuo ambiente Studio Classic. Gli LCC sono script di shell attivati da eventi del ciclo di vita di Amazon SageMaker Studio Classic, come l’avvio di un’applicazione Studio Classic. Questa personalizzazione include l'installazione di pacchetti personalizzati, la configurazione delle estensioni dei notebook, il precaricamento dei set di dati, la configurazione di repository di codice sorgente o, nel nostro caso, la precompilazione dei parametri predefiniti. Gli amministratori possono collegare LCC a un dominio Studio Classic per automatizzare la configurazione dei valori predefiniti di ogni profilo utente all’interno di tale dominio.

      Le sezioni seguenti descrivono in dettaglio come creare una configurazione del ciclo di vita in modo che gli utenti possano caricare automaticamente i parametri predefiniti Autopilot all’avvio di Studio Classic. È possibile scegliere di creare una configurazione LCC utilizzando la console SageMaker AI o l’AWS CLI.

      Create a LCC from the SageMaker AI Console

      Esegui le seguenti fasi per creare una configurazione LCC contenente i parametri predefiniti, collegarla a un dominio o a un profilo utente, quindi avviare un’applicazione Studio Classic precompilata con i parametri predefiniti impostati da LCC utilizzando la console di SageMaker AI.

      • Per creare una configurazione del ciclo di vita che esegua lo script contenente i valori predefiniti utilizzando la console di SageMaker AI

        • Apri la console di SageMaker AI all’indirizzo https://console.aws.amazon.com/sagemaker/.

        • Sul lato sinistro passa a Configurazioni di amministrazione, quindi a Configurazioni del ciclo di vita.

        • Dalla pagina Configurazioni del ciclo di vita passa alla scheda Studio Classic, quindi scegli Crea configurazione.

        • Per Nome, digita un nome utilizzando caratteri alfanumerici e "-", ma senza spazi. Un nome può contenere un massimo di 63 caratteri.

        • Incolla lo script nella sezione Script.

        • Seleziona Crea configurazione per creare la configurazione del ciclo di vita. Viene creata una configurazione LCC di tipo Kernel gateway app.

      • Per collegare la configurazione del ciclo di vita a uno dominio Studio Classic, uno spazio o un profilo utente

        Segui le fasi descritte in Attach the lifecycle configuration to Studio Classic domain or user profile per collegare la configurazione LCC a un dominio Studio Classic o a un profilo utente specifico.

      • Per avviare l’applicazione Studio Classic con la configurazione del ciclo di vita

        Una volta collegata la configurazione LCC a un dominio o a un profilo utente, gli utenti interessati possono avviare un’applicazione Studio Classic dalla pagina di destinazione di Studio Classic in Studio per ripristinare automaticamente le impostazioni predefinite impostate da LCC. Questa operazione compila automaticamente l’interfaccia utente di Studio Classic durante la creazione di un esperimento Autopilot.

      Create a LCC from the AWS CLI

      Utilizza i seguenti frammenti di codice per avviare un’applicazione Studio Classic che esegue lo script utilizzando l’AWS CLI. Nota che lifecycle_config.sh è il nome assegnato allo script in questo esempio.

      Prima di iniziare:

      • Assicurati di aver eseguito l'aggiornamento e la configurazione AWS CLI completando i prerequisiti descritti in Creare una configurazione del ciclo di vita da AWS CLI.

      • Installa la documentazione OpenSSL. Il comando AWS CLI utilizza la libreria open source OpenSSL per codificare lo script in formato Base64. Questo requisito previene gli errori che si verificano con la spaziatura e la codifica delle interruzioni di riga.

      Ora è possibile seguire queste tre fasi:

      • Crea una nuova configurazione del ciclo di vita facendo riferimento allo script di configurazione 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

        Prendi nota dell’ARN (nome della risorsa Amazon) della configurazione del ciclo di vita appena creata che viene restitutio. L’ARN è richiesto per collegare la configurazione del ciclo di vita all'applicazione.

      • Collega la configurazione del ciclo di vita al tuo JupyterServerApp

        Nell'esempio seguente viene illustrato come creare un nuovo profilo utente con una configurazione del ciclo di vita collegata. Per aggiornare un profilo utente esistente, utilizza il comando AWS CLI update-user-profile. Per creare o aggiornare un dominio, consulta create-domain e update-domain. Aggiungi l'ARN della configurazione del ciclo di vita della fase precedente alle impostazioni del tipo di applicazione JupyterServerAppSettings. Puoi aggiungere più configurazioni del ciclo di vita contemporaneamente utilizzando un elenco di configurazioni del ciclo di vita.

        # 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"]
  }
}'

        Una volta che la configurazione LCC è collegata a un dominio o a un profilo utente, gli utenti interessati possono chiudere e aggiornare l’applicazione Studio Classic esistente seguendo la procedura descritta in Shut down and Update Amazon SageMaker Studio Classic oppure avviare una nuova applicazione Studio Classic dalla Console AWS per ripristinare automaticamente le impostazioni predefinite impostate da LCC. Questa operazione compila automaticamente l’interfaccia utente di Studio Classic durante la creazione di un esperimento Autopilot. In alternativa, è possibile avviare una nuova applicazione Studio Classic utilizzando l’AWS CLI come segue.

      • Avvia l’applicazione Studio Classic con la configurazione del ciclo di vita utilizzando 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

        Per ulteriori informazioni sulla creazione di una configurazione del ciclo di vita utilizzando il AWS CLI, consulta Creare una configurazione del ciclo di vita da AWS CLI.