Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Repositorio privado para las dependencias de tiempo de ejecución
Puede usar comandos o scripts previos a la ejecución para configurar un administrador de dependencias como pip o conda en su entorno de trabajo. Para lograr el aislamiento de la red, use cualquiera de estas opciones para redirigir a los administradores de dependencias para que accedan a sus repositorios privados y ejecuten funciones remotas dentro de una VPC. Los comandos o el script previos a la ejecución se ejecutarán antes de que se ejecute la función remota. Puede definirlos con el decorador @remote, la API `RemoteExecutor` o dentro de un archivo de configuración.
En las siguientes secciones se muestra cómo acceder a un repositorio privado de Python Package Index (PyPI) gestionado con. AWS CodeArtifact En las secciones también se muestra cómo acceder a un canal conda personalizado alojado en Amazon Simple Storage Service (Amazon S3).
## Cómo utilizar un repositorio PyPI personalizado gestionado con AWS CodeArtifact
CodeArtifact Para administrar un repositorio PyPI personalizado, se requieren los siguientes requisitos previos:
+ Su repositorio privado de PyPI ya debería estar creado. Puede utilizarlos AWS CodeArtifact para crear y administrar sus repositorios de paquetes privados. Para obtener más información CodeArtifact, consulte la [Guía del CodeArtifact usuario](https://docs.aws.amazon.com/codeartifact/latest/ug/welcome.html).
+ Su VPC debe tener acceso a su repositorio. CodeArtifact Para permitir una conexión desde la VPC al CodeArtifact repositorio, debe hacer lo siguiente:
+ [Cree puntos de enlace de VPC para. CodeArtifact](https://docs.aws.amazon.com/codeartifact/latest/ug/create-vpc-endpoints.html)
+ [Cree un punto de enlace de puerta de enlace de Amazon S3](https://docs.aws.amazon.com/codeartifact/latest/ug/create-s3-gateway-endpoint.html) para su VPC, que le permita almacenar CodeArtifact los activos del paquete.
El siguiente ejemplo de comando previo a la ejecución muestra cómo configurar pip en el trabajo de entrenamiento de SageMaker IA para que apunte a tu repositorio. CodeArtifact Para obtener más información, consulte [Configurar y usar pip with](https://docs.aws.amazon.com/codeartifact/latest/ug/python-configure-pip.html). CodeArtifact
```
# use a requirements.txt file to import dependencies
@remote(
instance_type="ml.m5.large"
image_uri = "my_base_python:latest",
dependencies = './requirements.txt',
pre_execution_commands=[
"aws codeartifact login --tool pip --domain my-org --domain-owner <000000000000> --repository my-codeartifact-python-repo --endpoint-url https://vpce-xxxxx.api.codeartifact.us-east-1.vpce.amazonaws.com"
]
)
def matrix_multiply(a, b):
return np.matmul(a, b)
```
## Cómo utilizar un canal conda personalizado alojado en Amazon S3
Para usar Amazon S3 para administrar un repositorio conda personalizado, se requieren los siguientes requisitos previos:
+ Su canal conda privado ya debe estar configurado en su bucket de Amazon S3 y todos los paquetes dependientes deben estar indexados y cargados en su bucket de Amazon S3. Para obtener instrucciones sobre cómo indexar tus paquetes conda, consulte [Creación de canales personalizados](https://conda.io/projects/conda/en/latest/user-guide/tasks/create-custom-channels.html).
+ Su VPC debe tener acceso al bucket de Amazon S3. Para obtener más información, consulte [Puntos de enlace para Amazon S3](https://docs.aws.amazon.com/vpc/latest/userguide/vpc-endpoints-s3.html).
+ El entorno conda base de su imagen de trabajo debería tener `boto3` instalado. Para comprobar su entorno, introduzca lo siguiente en el mensaje de Anaconda para comprobar si `boto3` aparece en la lista generada resultante.
```
conda list -n base
```
+ La imagen de su trabajo debe estar instalada con conda, no con [mamba](https://mamba.readthedocs.io/en/latest/installation.html). Para comprobar su entorno, asegúrese de que no vuelva a aparecer la solicitud de código anterior `mamba`.
El siguiente ejemplo de comandos previos a la ejecución muestra cómo configurar conda en el trabajo de SageMaker entrenamiento para que apunte a su canal privado en Amazon S3. Los comandos previos a la ejecución eliminan el canal predeterminado y añaden canales personalizados a un `.condarc` archivo de configuración de conda.
```
# specify your dependencies inside a conda yaml file
@remote(
instance_type="ml.m5.large"
image_uri = "my_base_python:latest",
dependencies = "./environment.yml",
pre_execution_commands=[
"conda config --remove channels 'defaults'"
"conda config --add channels 's3://my_bucket/my-conda-repository/conda-forge/'",
"conda config --add channels 's3://my_bucket/my-conda-repository/main/'"
]
)
def matrix_multiply(a, b):
return np.matmul(a, b)
```