Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Gewähren Sie Benutzern Zugriff auf benutzerdefinierte Bilder

Diese Dokumentation enthält step-by-step Anweisungen, wie Sie Ihren Benutzern Zugriff auf benutzerdefinierte Images in ihren JupyterLab Umgebungen gewähren können. Sie können die Informationen auf dieser Seite verwenden, um benutzerdefinierte Umgebungen für die Workflows Ihrer Benutzer zu erstellen. Der Prozess beinhaltet die Verwendung von:

Nachdem JupyterLab Benutzer der SageMaker Amazon-Domain den Anweisungen auf dieser Seite gefolgt sind, haben sie von ihren Jupyter-Bereichen aus Zugriff auf das benutzerdefinierte Image und die Umgebung, um ihre Workflows für maschinelles Lernen zu unterstützen.

Damit Ihre Benutzer ihr Image erfolgreich darin ausführen können JupyterLab, müssen Sie wie folgt vorgehen:

Schritt 1: Erstellen Sie das Dockerfile

Erstellen Sie ein Dockerfile, um die Schritte zu definieren, die zum Erstellen der Umgebung erforderlich sind, die für die Ausführung der Anwendung in den Containern Ihrer Benutzer erforderlich ist.

Verwenden Sie die folgende Dockerfile-Vorlage, um ein Amazon Linux 2-Image zu erstellen:

FROM public.ecr.aws/amazonlinux/amazonlinux:2

ARG NB_USER="sagemaker-user"
ARG NB_UID="1000"
ARG NB_GID="100"
RUN yum install --assumeyes python3 shadow-utils && \
    useradd --create-home --shell /bin/bash --gid "${NB_GID}" --uid ${NB_UID} ${NB_USER} && \
    yum clean all && \
    python3 -m pip install jupyterlab

RUN python3 -m pip install --upgrade pip

RUN python3 -m pip install --upgrade urllib3==1.26.6

USER ${NB_UID}
CMD jupyter lab --ip 0.0.0.0 --port 8888 \
  --ServerApp.base_url="/jupyterlab/default" \
  --ServerApp.token='' \
  --ServerApp.allow_origin='*'


            

Verwenden Sie die folgende Dockerfile-Vorlage, um ein Amazon SageMaker Distribution Image zu erstellen:

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 ["jupyter-lab"]
CMD ["--ServerApp.ip=0.0.0.0", "--ServerApp.port=8888", "--ServerApp.allow_origin=*", "--ServerApp.token=''", "--ServerApp.base_url=/jupyterlab/default"]                
            

Schritt 2: Erstellen Sie das Dockerfile

Erstellen Sie Ihr Image im selben Verzeichnis wie Ihr Dockerfile mit dem folgenden Befehl:

docker build -t username/imagename:tag your-account-id.dkr.ecr.AWS-Region.amazonaws.com/your-repository-name:tag                    
                

Schritt 3: Push des Images in das Amazon Elastic Container Registry-Repository

Nachdem Sie Ihr Image erstellt haben, melden Sie sich mit dem folgenden Befehl bei Ihrem ECR Amazon-Repository an:

aws ecr get-login-password --region AWS-Region | docker login --username AWS --password-stdin 123456789012.dkr.ecr.AWS-Region.amazonaws.com                  
                

Nachdem Sie sich angemeldet haben, übertragen Sie Ihr Dockerfile mit dem folgenden Befehl:

docker push 123456789012.dkr.ecr.AWS-Region.amazonaws.com/your-repository-name:tag
                

Schritt 4: Hängen Sie ein Bild an die SageMaker Amazon-Domain Ihrer Benutzer an

Nachdem Sie das Bild übertragen haben, müssen Sie von Ihrer SageMaker Amazon-Domain aus darauf zugreifen. Gehen Sie wie folgt vor, um das Bild an eine SageMaker Domain anzuhängen:

Ihre Benutzer können jetzt das Bild, das Sie an ihre Domain angehängt haben, aus ihrem JupyterLab Bereich auswählen.