Erstellen Sie ein benutzerdefiniertes SageMaker AI-Bild

Öffnen Sie die Amazon SageMaker AI-Konsole unter https://console.aws.amazon.com/sagemaker/.

Wählen Sie im linken Navigationsbereich Admin-Konfigurationen.

Wählen Sie unter Admin-Konfigurationen die Option Images.

Wählen Sie auf der Seite Benutzerdefinierte Images die Option Image erstellen aus.

Geben Sie als Bildquelle den Registrierungspfad zum Container-Image in Amazon einECR. Der Pfad hat das folgende Format:

acct-id.dkr.ecr.region.amazonaws.com/repo-name[:tag] or [@digest]

Wählen Sie Next.

Geben Sie unter Image-Eigenschaften Folgendes ein:

Wählen Sie Absenden aus.

Wählen Sie Version erstellen in derselben Zeile wie das Image aus.

Geben Sie als Bildquelle den Registrierungspfad zum ECR Amazon-Container-Image ein. Das Container-Image sollte nicht dasselbe Bild sein, das in einer früheren Version des SageMaker AI-Images verwendet wurde.

Erstellen Sie ein SageMaker AI-Image.

aws sagemaker create-image \
    --image-name custom-image \
    --role-arn arn:aws:iam::<acct-id>:role/service-role/<execution-role>

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "ImageArn": "arn:aws:sagemaker:us-east-2:acct-id:image/custom-image"
}

Erstellen Sie eine SageMaker AI-Image-Version aus dem Container-Image.

aws sagemaker create-image-version \
    --image-name custom-image \
    --base-image <acct-id>.dkr.ecr.<region>.amazonaws.com/smstudio-custom:custom-image

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1"
}

Überprüfen Sie, ob die Image-Version erfolgreich erstellt wurde.

aws sagemaker describe-image-version \
    --image-name custom-image \
    --version-number 1

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1",
    "ImageVersionStatus": "CREATED"
}

Erstellen Sie eine Konfigurationsdatei mit dem Namen app-image-config-input.json. Der Name Wert von KernelSpecs muss mit dem Namen des im zugehörigen Bild kernelSpec verfügbaren Bildes übereinstimmenAppImageConfig. Bei diesem Wert ist die Groß- und Kleinschreibung zu beachten. Sie können das kernelSpecs in einem Bild verfügbare Objekt finden, indem Sie es jupyter-kernelspec list von einer Shell innerhalb des Containers aus ausführen. MountPathist der Pfad innerhalb des Images, um Ihr Amazon Elastic File System (AmazonEFS) -Home-Verzeichnis zu mounten. Er muss sich von dem Pfad unterscheiden, den Sie innerhalb des Containers verwenden, da dieser Pfad überschrieben wird, wenn Ihr EFS Amazon-Home-Verzeichnis bereitgestellt wird.

{
    "AppImageConfigName": "custom-image-config",
    "KernelGatewayImageConfig": {
        "KernelSpecs": [
            {
                "Name": "python3",
                "DisplayName": "Python 3 (ipykernel)"
            }
        ],
        "FileSystemConfig": {
            "MountPath": "/home/sagemaker-user",
            "DefaultUid": 1000,
            "DefaultGid": 100
        }
    }
}

Erstellen Sie das AppImageConfig mit der Datei, die Sie im vorherigen Schritt erstellt haben.

aws sagemaker create-app-image-config \
    --cli-input-json file://app-image-config-input.json

Die Antwort sollte in etwa so aussehen wie die folgende.

{
    "AppImageConfigArn": "arn:aws:sagemaker:us-east-2:acct-id:app-image-config/custom-image-config"
}