View a markdown version of this page

Atualizar a configuração do contêiner - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Atualizar a configuração do contêiner

Você pode trazer imagens do Docker personalizadas para seus fluxos de trabalho de machine learning. Um aspecto fundamental da personalização dessas imagens é definir as configurações do contêiner (ou ContainerConfig). A página a seguir apresenta um exemplo de como definir sua ContainerConfig.

Um ponto de entrada é o comando ou script executado quando o contêiner é iniciado. Os pontos de entrada personalizados permitem configurar seu ambiente, inicializar serviços ou executar quaisquer configurações necessárias antes da inicialização da aplicação.

Este exemplo fornece instruções sobre como configurar um ponto de entrada personalizado para seu JupyterLab aplicativo usando o. AWS CLI Este exemplo pressupõe que você já tenha criado uma imagem e um domínio personalizados. Para instruções, consulte Anexar imagem personalizada ao seu domínio.

  1. Primeiro, defina suas variáveis para os AWS CLI comandos a seguir.

    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 é o nome da configuração da imagem da aplicação.

    • entrypoint-file-name é o nome do script do ponto de entrada do contêiner. Por exemplo, .entrypoint.sh

    • environment-key é o nome de sua variável de ambiente.

    • environment-value é o valor atribuído à variável de ambiente.

    • aws-regioné o Região da AWS do seu domínio Amazon SageMaker AI. Você pode encontrar isso no canto superior direito de qualquer página AWS do console.

    • domain-id é o ID do seu domínio. Para visualizar seus domínios, consulte Visualizar domínios.

    • custom-image-name é o nome da imagem personalizada. Para visualizar os detalhes da imagem personalizada, consulte Visualizar detalhes da imagem personalizada (console).

      Se você seguiu as instruções em Anexar imagem personalizada ao seu domínio, é recomendável usar o mesmo nome de imagem usado nesse processo.

    • custom-image-version é o número da versão da imagem personalizada. Ele deve ser um número inteiro, representando a versão da sua imagem. Para visualizar os detalhes da imagem personalizada, consulte Visualizar detalhes da imagem personalizada (console).

  2. Usar a API CreateAppImageConfig para criar uma configuração de imagem.

    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. Use a API UpdateDomain para atualizar as configurações padrão do seu domínio. Isso anexará a imagem personalizada e a configuração da imagem da aplicação. 

    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}\"
                }
            ]
        }
    }"