Aggiornamento della configurazione del container - Amazon SageMaker AI

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.

Aggiornamento della configurazione del container

Puoi utilizzare immagini Docker personalizzate nei tuoi flussi di lavoro di machine learning. Un aspetto chiave della personalizzazione di queste immagini è la configurazione del container, o ContainerConfig. La pagina seguente fornisce un esempio di come configurare ContainerConfig.

Un punto di ingresso corrisponde al comando o allo script eseguito all’avvio del container. I punti di ingresso personalizzati consentono di configurare l’ambiente, inizializzare i servizi o completare le configurazioni necessarie prima dell’avvio dell’applicazione.

Questo esempio fornisce istruzioni su come configurare un punto di ingresso personalizzato, per la tua JupyterLab applicazione, utilizzando il. AWS CLI Questo esempio presuppone che tu abbia già creato un’immagine personalizzata e un dominio. Per istruzioni, consulta Collegamento dell’immagine personalizzata al dominio.

  1. Imposta innanzitutto le variabili per i AWS CLI comandi che seguono.

    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 è il nome della configurazione dell’immagine dell’applicazione.

    • entrypoint-file-name è il nome dello script del punto di ingresso del container. Ad esempio, entrypoint.sh.

    • environment-key è il nome di una variabile di ambiente.

    • environment-value è il valore assegnato alla variabile di ambiente.

    • aws-regionè il dominio Amazon SageMaker AI Regione AWS del tuo dominio Amazon. Puoi trovarlo in alto a destra in qualsiasi pagina della AWS console.

    • domain-id è il tuo ID dominio. Per visualizzare i tuoi domini, consulta Visualizzazione dei domini.

    • custom-image-name è il nome dell’immagine personalizzata. Per visualizzare i dettagli dell’immagine personalizzata, consulta Visualizzazione dei dettagli dell’immagine personalizzata (console).

      Se hai seguito le istruzioni riportate in Collegamento dell’immagine personalizzata al dominio, potresti voler utilizzare lo stesso nome dell’immagine indicato nella procedura.

    • custom-image-version è il numero della versione dell’immagine personalizzata. Dovrebbe essere un numero intero, che rappresenta la versione dell’immagine. Per visualizzare i dettagli dell’immagine personalizzata, consulta Visualizzazione dei dettagli dell’immagine personalizzata (console).

  2. Utilizza l’API CreateAppImageConfig per creare una configurazione dell’immagine.

    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. Utilizza l’API UpdateDomain per aggiornare le impostazioni predefinite per il tuo dominio. In questo modo, verranno collegate sia l’immagine personalizzata che la configurazione dell’immagine dell’applicazione. 

    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}\"
                }
            ]
        }
    }"