Immagini personalizzate - Amazon SageMaker AI
Controllo dell’integrità e URL per le applicazioniEsempi di Dockerfile

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.

Immagini personalizzate

Se hai bisogno di funzionalità diverse da quelle fornite dalla SageMaker distribuzione, puoi aggiungere la tua immagine con estensioni e pacchetti personalizzati. Puoi anche usarla per personalizzare l' JupyterLab interfaccia utente in base alle tue esigenze di branding o di conformità.

La pagina seguente fornirà informazioni e modelli JupyterLab specifici per creare immagini AI personalizzate SageMaker . Questo ha lo scopo di integrare le informazioni e le istruzioni di Amazon SageMaker Studio su come creare la propria immagine SageMaker AI e portare la propria immagine in Studio. Per informazioni sulle immagini Amazon SageMaker AI personalizzate e su come portare la tua immagine in Studio, consultaBring Your Own Image (BYOI).

Controllo dell’integrità e URL per le applicazioni

  • Base URL: l’URL di base per l’applicazione BYOI deve essere jupyterlab/default. È possibile avere una sola applicazione e deve avere sempre il nome default.

  • HealthCheck API— L' SageMaker intelligenza artificiale utilizza l'endpoint Health Check presso la porta 8888 per verificare lo stato dell' JupyterLabapplicazione. jupyterlab/default/api/statusè l'endpoint per il controllo dello stato di salute.

  • Home/Default URL— Le /opt/ml directory /opt/.sagemakerinternal e che vengono utilizzate da. AWS Il file di metadati /opt/ml contiene metadati relativi a risorse come DomainId.

  • Autenticazione: per abilitare l’autenticazione per i tuoi utenti, disattiva il token dei notebook Jupyter o l’autenticazione basata su password e consenti tutte le origini.

Esempi di Dockerfile

Gli esempi seguenti sono Dockerfile che soddisfano le informazioni descritte sopra e quelle in Specifiche dell’immagine personalizzata.

Nota

Se stai trasferendo la tua immagine in SageMaker Unified Studio, dovrai seguire le specifiche di Dockerfile nella Guida per l'utente di Amazon SageMaker Unified Studio.

Dockerfilealcuni esempi di SageMaker Unified Studio sono disponibili nell'esempio di Dockerfile nella Amazon SageMaker Unified Studio User Guide.

Example AL2023 Dockerfile

L’esempio seguente è un Dockerfile AL2023 che soddisfa le informazioni descritte sopra e quelle in Specifiche dell’immagine personalizzata.

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 Distribuzione Amazon Dockerfile

L’esempio seguente è un Dockerfile Amazon SageMaker Distribution che soddisfa le informazioni descritte sopra e quelle in Specifiche dell’immagine personalizzata.

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"]