기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 컨테이너 구성 업데이트
<a name="studio-updated-byoi-how-to-container-configuration"></a>

사용자 지정 Docker 이미지를 기계 학습 워크플로로 가져올 수 있습니다. 이러한 이미지를 사용자 지정할 때 주요 측면은 컨테이너 구성, 즉 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerConfig.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerConfig.html)를 구성하는 것입니다. 다음 페이지에서는 `ContainerConfig`를 구성하는 방법에 대한 예를 제공합니다.

진입점은 컨테이너가 시작될 때 실행되는 명령 또는 스크립트입니다. 사용자 지정 진입점을 사용하면 애플리케이션을 시작하기 전에 환경을 설정하거나 서비스를 초기화하거나 필요한 설정을 수행할 수 있습니다.

이 예시에서는 AWS CLI를 사용하여 JupyterLab 애플리케이션에 대한 사용자 지정 진입점을 구성하는 방법에 대한 지침을 제공합니다. 이 예시에서는 사용자 지정 이미지와 도메인을 이미 생성했다고 가정합니다. 지침은 [도메인에 사용자 지정 이미지 연결](studio-updated-byoi-how-to-attach-to-domain.md) 섹션을 참조하세요.

1. 먼저 다음 AWS CLI 명령에 대한 변수를 설정합니다.

   ```
   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`은 애플리케이션 이미지 구성의 이름입니다.
   + `entrypoint-file-name`은 컨테이너의 진입점 스크립트 이름입니다. 예를 들어 `entrypoint.sh`입니다.
   + `environment-key`는 환경 변수의 이름입니다.
   + `environment-value`는 환경 변수에 할당된 값입니다.
   + `aws-region`는 Amazon SageMaker AI 도메인 AWS 리전 의 입니다. 콘솔 AWS 페이지의 오른쪽 상단에서 찾을 수 있습니다.
   + `domain-id`는 도메인 ID입니다. 도메인을 보려면 [도메인 보기](domain-view.md) 섹션을 참조하세요.
   + `custom-image-name`은 사용자 지정 이미지의 이름입니다. 사용자 지정 이미지 세부 정보를 보려면 [사용자 지정 이미지 세부 정보 보기(콘솔)](studio-updated-byoi-view-images.md#studio-updated-byoi-view-images-console) 섹션을 참조하세요.

     [도메인에 사용자 지정 이미지 연결](studio-updated-byoi-how-to-attach-to-domain.md)의 지침을 따른 경우 해당 프로세스에서 사용한 것과 동일한 이미지 이름을 사용하는 것이 좋습니다.
   + `custom-image-version`은 사용자 지정 이미지의 버전 번호입니다. 이미지 버전을 나타내는 정수여야 합니다. 사용자 지정 이미지 세부 정보를 보려면 [사용자 지정 이미지 세부 정보 보기(콘솔)](studio-updated-byoi-view-images.md#studio-updated-byoi-view-images-console) 섹션을 참조하세요.

1. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAppImageConfig.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAppImageConfig.html) API를 사용하여 이미지 구성을 생성합니다.

   ```
   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}"
           }
       }"
   ```

1. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateDomain.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateDomain.html) API를 사용하여 도메인의 기본 설정을 업데이트합니다. 그러면 사용자 지정 이미지 및 애플리케이션 이미지 구성이 연결됩니다.

   ```
   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}\"
                   }
               ]
           }
       }"
   ```