Configurar los parámetros predeterminados de un experimento de Piloto automático (para administradores) - Amazon SageMaker
Parámetros predeterminados compatiblesEstablecer los parámetros predeterminados

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.

Configurar los parámetros predeterminados de un experimento de Piloto automático (para administradores)

El piloto automático permite establecer valores predeterminados para simplificar la configuración de Amazon SageMaker Autopilot al crear un experimento de piloto automático mediante la interfaz de usuario de Studio Classic. Los administradores pueden usar las configuraciones del ciclo de vida de Studio Classic (LCC) para establecer los valores de infraestructura, redes y seguridad en los archivos de configuración y rellenar previamente los ajustes avanzados de las tareas. AutoML

De este modo, pueden controlar completamente la conectividad de la red y los permisos de acceso a los recursos asociados a Amazon SageMaker Studio Classic, incluidas las SageMaker instancias, las fuentes de datos, los datos de salida y otros servicios relacionados. En concreto, los administradores pueden configurar la arquitectura de red deseada, como AmazonVPC, subredes y grupos de seguridad, para un dominio de Studio Classic o perfiles de usuario individuales. Los científicos de datos pueden centrarse en parámetros específicos de la ciencia de datos al crear sus experimentos de piloto automático mediante la interfaz de usuario de Studio Classic. Además, los administradores pueden gestionar el cifrado de los datos en la instancia en la que se ejecutan los experimentos de Piloto automático configurando claves de cifrado predeterminadas.

nota

Actualmente, esta característica no está disponible en las regiones registradas de Asia-Pacífico (Hong Kong) y Medio Oriente (Baréin).

En las siguientes secciones, encontrará la lista completa de parámetros que permiten establecer los valores predeterminados al crear un experimento de piloto automático mediante la interfaz de usuario de Studio Classic, y aprender a establecer esos valores predeterminados.

Lista de parámetros predeterminados compatibles

Los siguientes parámetros permiten establecer valores predeterminados con un archivo de configuración para crear un experimento de piloto automático mediante la interfaz de usuario de Studio Classic. Una vez configurados, los valores rellenan automáticamente el campo correspondiente en la pestaña Crear experimento del piloto automático de la interfaz de usuario de Studio Classic. Consulte Advanced settings (optional) para obtener una descripción completa de cada campo.

  • Seguridad: AmazonVPC, subredes y grupos de seguridad.

  • Acceso: AWS IAM rolARNs.

  • Cifrado: AWS KMS claveIDs.

  • Etiquetas: pares clave-valor que se utilizan para etiquetar y organizar SageMaker los recursos.

Establecer los parámetros predeterminados del experimento con Piloto automático

Los administradores pueden establecer los valores predeterminados en un archivo de configuración y, a continuación, colocar manualmente el archivo en una ubicación recomendada dentro del entorno de Studio Classic para usuarios específicos, o pueden pasar el archivo a un script de configuración del ciclo de vida (LCC) para automatizar la personalización del entorno de Studio Classic para un dominio o perfil de usuario determinados.

  • Para configurar el archivo de configuración, comience por rellenar con sus parámetros predeterminados.

    Para configurar los valores predeterminados incluidos en Lista de parámetros predeterminados compatibles, los administradores pueden crear un archivo de configuración denominadoconfig.yaml, cuya estructura debe adherirse a la de este archivo de configuración de ejemplo. En el siguiente fragmento, se muestra un ejemplo de archivo de configuración con todos los parámetros AutoML compatibles. Para obtener más información sobre el formato de este archivo, consulte el esquema completo.

    SchemaVersion: '1.0'
SageMaker:
  AutoMLJob:
    # https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAutoMLJob.html
    AutoMLJobConfig:
      SecurityConfig:
        EnableInterContainerTrafficEncryption: true
        VolumeKmsKeyId: 'kms-key-id'
        VpcConfig:
          SecurityGroupIds:
            - 'security-group-id-1'
            - 'security-group-id-2'
          Subnets:
            - 'subnet-1'
            - 'subnet-2'
    OutputDataConfig:
      KmsKeyId: 'kms-key-id'
    RoleArn: 'arn:aws:iam::111222333444:role/Admin'
    Tags:
    - Key: 'tag_key'
      Value: 'tag_value'

  • A continuación, coloque el archivo de configuración en la ubicación recomendada copiándolo manualmente en las rutas recomendadas o utilizando una configuración de ciclo de vida (LCC).

    El archivo de configuración debe estar presente en al menos una de las siguientes ubicaciones del entorno Studio Classic del usuario. De forma predeterminada, SageMaker busca un archivo de configuración en dos ubicaciones:

    • Primero, en/etc/xdg/sagemaker/config.yaml. Nos referimos a este archivo como el archivo de configuración del administrador.

    • Luego, en/root/.config/sagemaker/config.yaml. Nos referimos a este archivo como el archivo de configuración del usuario.

    Con el archivo de configuración del administrador, los administradores pueden definir un conjunto de valores predeterminados. Si lo desean, pueden usar el archivo de configuración de usuario para anular los valores establecidos en el archivo de configuración del administrador o establecer valores de parámetros predeterminados adicionales.

    El siguiente fragmento muestra un script de ejemplo que escribe el archivo de configuración de parámetros por defecto en la ubicación del administrador del entorno Studio Classic del usuario. Puede sustituir /etc/xdg/sagemaker por /root/.config/sagemaker para escribir el archivo en la ubicación del usuario.

    ## Sample script with AutoML intelligent defaults
#!/bin/bash

sudo mkdir -p /etc/xdg/sagemaker

echo "SchemaVersion: '1.0'
CustomParameters:
  AnyStringKey: 'AnyStringValue'
SageMaker:
  AutoMLJob:
    # https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAutoMLJob.html
    AutoMLJobConfig:
      SecurityConfig:
        EnableInterContainerTrafficEncryption: true
        VolumeKmsKeyId: 'kms-key-id'
        VpcConfig:
          SecurityGroupIds:
            - 'security-group-id-1'
            - 'security-group-id-2'
          Subnets:
            - 'subnet-1'
            - 'subnet-2'
    OutputDataConfig:
      KmsKeyId: 'kms-key-id'
    RoleArn: 'arn:aws:iam::111222333444:role/Admin'
    Tags:
    - Key: 'tag_key'
      Value: 'tag_value'
" | sudo tee /etc/xdg/sagemaker/config.yaml

    • Copie los archivos manualmente: para copiar los archivos de configuración manualmente, ejecute el script creado en el paso anterior desde una terminal de Studio Classic. En este caso, el perfil de usuario que ejecutó el script puede crear experimentos de Piloto automático con los valores predeterminados aplicables solo a ellos.

    • Cree una configuración de SageMaker ciclo de vida: también puede usar una configuración de ciclo de vida (LCC) para automatizar la personalización de su entorno de Studio Classic. LCCson scripts de shell activados por eventos del ciclo de vida de Amazon SageMaker Studio Classic, como el inicio de una aplicación de Studio Classic. Esta personalización incluye la instalación de paquetes personalizados, la configuración de extensiones de cuaderno, la precarga de conjuntos de datos, la configuración de repositorios de código fuente o, en nuestro caso, el relleno previo de los parámetros predeterminados. Los administradores pueden adjuntarlos LCC a un dominio de Studio Classic para automatizar la configuración de los valores predeterminados de cada perfil de usuario de ese dominio.

      En las siguientes secciones se detalla cómo crear una configuración de ciclo de vida para que los usuarios puedan cargar automáticamente los parámetros predeterminados del piloto automático al iniciar Studio Classic. Puede elegir crear una LCC mediante la SageMaker consola o el AWS CLI.

      Create a LCC from the SageMaker Console

      Siga los siguientes pasos para crear una LCC que contenga sus parámetros predeterminados, adjuntarla LCC a un dominio o perfil de usuario y, a continuación, inicie una aplicación de Studio Classic rellenada previamente con los parámetros predeterminados establecidos LCC mediante la SageMaker consola.

      • Para crear una configuración de ciclo de vida que ejecute el script que contiene los valores predeterminados mediante la consola SageMaker

        • Abra la SageMaker consola enhttps://console.aws.amazon.com/sagemaker/.

        • En el lado izquierdo, dirígete a Configuraciones de administración y, luego, a Configuraciones del ciclo de vida.

        • En la página de configuraciones del ciclo de vida, vaya a la pestaña Studio Classic y, a continuación, seleccione Crear configuración.

        • En Nombre, escriba un nombre con caracteres alfanuméricos y guiones, pero sin espacios. El nombre puede tener un máximo de 63 caracteres.

        • Pegue el script en la sección Scripts.

        • Seleccione Crear configuración para crear la configuración del ciclo de vida. Esto crea un LCC tipo deKernel gateway app.

      • Para adjuntar la configuración del ciclo de vida a un dominio, un espacio o un perfil de usuario de Studio Classic

        Siga los pasos que se indican en Adjuntar la configuración del ciclo de vida al dominio o perfil de usuario de Studio Classic para adjuntar la suya LCC a un dominio de Studio Classic o a un perfil de usuario específico.

      • Para lanzar la aplicación Studio Classic con la configuración del ciclo de vida

        Una vez asociada a un dominio o a un perfil de usuario, los usuarios afectados pueden iniciar una aplicación de Studio Classic desde la página de inicio de Studio Classic en Studio para seleccionar LCC automáticamente los valores predeterminados establecidos por ellos. LCC Esto rellena automáticamente la interfaz de usuario de Studio Classic al crear un experimento de piloto automático.

      Create a LCC from the AWS CLI

      Utilice los siguientes fragmentos para iniciar una aplicación de Studio Classic que ejecute el script mediante. AWS CLI Tenga en cuenta que lifecycle_config.sh es el nombre que se le da al script en este ejemplo.

      Antes de comenzar:

      • Asegúrese de haberlo actualizado y configurado AWS CLI completando los requisitos previos descritos en Crear una configuración del ciclo de vida a partir del. AWS CLI

      • Instale la SSL documentación abierta. El AWS CLI comando utiliza la biblioteca de código abierto Open SSL para codificar el script en formato Base64. Este requisito evita errores debidos a la codificación del espaciado y los saltos de línea.

      Ahora puede seguir estos tres pasos:

      • Crear una nueva configuración del ciclo de vida que haga referencia al script de configuración lifecycle_config.sh

        LCC_CONTENT=`openssl base64 -A -in lifecycle_config.sh`

## Create a new lifecycle config 
aws sagemaker create-studio-lifecycle-config --region region \
--studio-lifecycle-config-name lcc-name \
--studio-lifecycle-config-content $LCC_CONTENT \
--studio-lifecycle-config-app-type default

        Anote la configuración ARN del ciclo de vida recién creada que se devuelve. Esto ARN es necesario para adjuntar la configuración del ciclo de vida a la aplicación.

      • Asociar la configuración del ciclo de vida a suJupyterServerApp

        En el siguiente ejemplo, se muestra cómo crear un perfil de usuario con la configuración del ciclo de vida asociada. Para actualizar un perfil de usuario existente, utilice el AWS CLI update-user-profilecomando. Para crear o actualizar un dominio, consulte create-domain y update-domain. Agregue la configuración del ciclo de vida ARN del paso anterior a la configuración del tipo de aplicación. JupyterServerAppSettings Puede agregar varias configuraciones de ciclo de vida a la vez mediante una lista de configuraciones del ciclo de vida.

        # Create a new UserProfile
aws sagemaker create-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"JupyterServerAppSettings": {
  "LifecycleConfigArns":
    ["lifecycle-configuration-arn"]
  }
}'

        Una vez que LCC se haya adjuntado a un dominio o perfil de usuario, los usuarios afectados pueden cerrar y actualizar su aplicación Studio Classic existente siguiendo los pasos que se indican en Cerrar y actualizar Amazon SageMaker Studio Classic, o iniciar una nueva aplicación de Studio Classic desde la AWS consola para seleccionar los valores predeterminados establecidos LCC automáticamente. Esto rellena automáticamente la interfaz de usuario de Studio Classic al crear un experimento de piloto automático. Como alternativa, pueden lanzar una nueva aplicación de Studio Classic de la AWS CLI siguiente manera.

      • Inicie la aplicación Studio Classic con la configuración del ciclo de vida mediante el AWS CLI

        # Create a Jupyter Server application
aws sagemaker create-app --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--app-type JupyterServer \
--resource-spec LifecycleConfigArn=lifecycle-configuration-arn \
--app-name default

        Para obtener más información sobre cómo crear una configuración de ciclo de vida con la AWS CLI, consulte Create a Lifecycle Configuration from the AWS CLI.