Configuration des paramètres par défaut d'une expérience Autopilot (pour les administrateurs) - Amazon SageMaker AI
Paramètres par défaut pris en chargeDéfinition des paramètres par défaut

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Configuration des paramètres par défaut d'une expérience Autopilot (pour les administrateurs)

Le pilote automatique prend en charge la définition de valeurs par défaut afin de simplifier la configuration d'Amazon SageMaker Autopilot lorsque vous créez une expérience de pilote automatique à l'aide de l'interface utilisateur de Studio Classic. Les administrateurs peuvent utiliser les configurations de cycle de vie (LCC) de Studio Classic pour définir les valeurs d'infrastructure, de réseau et de sécurité dans les fichiers de configuration et préremplir les paramètres avancés des tâches. AutoML

Ce faisant, ils peuvent contrôler entièrement la connectivité réseau et les autorisations d'accès pour les ressources associées à Amazon SageMaker Studio Classic, notamment les instances d' SageMaker IA, les sources de données, les données de sortie et les autres services connexes. Plus précisément, les administrateurs peuvent configurer l'architecture réseau souhaitée, telle qu'Amazon VPC, les sous-réseaux et les groupes de sécurité, pour un domaine Studio Classic ou des profils utilisateur individuels. Les data scientists peuvent se concentrer sur des paramètres spécifiques à la science des données lorsqu'ils créent leurs expériences de pilote automatique à l'aide de l'interface utilisateur de Studio Classic. En outre, les administrateurs peuvent gérer le chiffrement des données sur l'instance dans laquelle les expériences Autopilot sont exécutées en définissant des clés de chiffrement par défaut.

Note

Cette fonctionnalité n'est actuellement pas disponible dans les régions d'adhésion Asie-Pacifique (Hong Kong) et Moyen-Orient (Bahreïn).

Dans les sections suivantes, vous trouverez la liste complète des paramètres permettant de définir des valeurs par défaut lors de la création d'une expérience de pilote automatique à l'aide de l'interface utilisateur de Studio Classic, et vous apprendrez à définir ces valeurs par défaut.

Liste des paramètres par défaut pris en charge

Les paramètres suivants permettent de définir des valeurs par défaut dans un fichier de configuration pour créer une expérience de pilote automatique à l'aide de l'interface utilisateur de Studio Classic. Une fois définies, les valeurs remplissent automatiquement le champ correspondant dans l'onglet Créer une expérience du pilote automatique dans l'interface utilisateur de Studio Classic. Consultez Paramètres avancés (facultatif) pour une description complète de chaque champ.

  • Sécurité : Amazon VPC, sous-réseaux et groupes de sécurité.

  • Accès : rôle AWS ARNs IAM.

  • Chiffrement : AWS KMS clé IDs

  • Tags : paires clé-valeur utilisées pour étiqueter et organiser les ressources d' SageMaker IA.

Définition des paramètres d'expérience Autopilot par défaut

Les administrateurs peuvent définir des valeurs par défaut dans un fichier de configuration, puis placer manuellement le fichier dans un emplacement recommandé dans l'environnement Studio Classic d'utilisateurs spécifiques, ou ils peuvent transmettre le fichier à un script de configuration du cycle de vie (LCC) afin d'automatiser la personnalisation de l'environnement Studio Classic pour un domaine ou un profil utilisateur donné.

  • Pour configurer le fichier de configuration, commencez par renseigner ses paramètres par défaut.

    Pour configurer l'une ou l'ensemble des valeurs par défaut répertoriées dans Liste des paramètres par défaut pris en charge, les administrateurs peuvent créer un fichier de configuration nommé config.yaml, dont la structure doit être conforme à cet exemple de fichier de configuration. L'extrait suivant montre un exemple de fichier de configuration avec tous les paramètres AutoML pris en charge. Pour plus d'informations sur le format de ce fichier, reportez-vous au schéma complet.

    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'

  • Placez ensuite le fichier de configuration à l'emplacement recommandé en le copiant manuellement dans les chemins recommandés ou en utilisant une configuration de cycle de vie (LCC).

    Le fichier de configuration doit être présent dans au moins l'un des emplacements suivants dans l'environnement Studio Classic de l'utilisateur. Par défaut, SageMaker AI recherche un fichier de configuration à deux emplacements :

    • Tout d'abord, dans /etc/xdg/sagemaker/config.yaml. Nous appelons ce fichier le fichier de configuration de l'administrateur.

    • Ensuite, dans /root/.config/sagemaker/config.yaml. Nous appelons ce fichier le fichier de configuration de l'utilisateur.

    À l'aide du fichier de configuration de l'administrateur, les administrateurs peuvent définir un ensemble de valeurs par défaut. En option, ils peuvent utiliser le fichier de configuration de l'utilisateur pour remplacer les valeurs définies dans le fichier de configuration de l'administrateur ou définir des valeurs de paramètres par défaut supplémentaires.

    L'extrait suivant montre un exemple de script qui écrit le fichier de configuration des paramètres par défaut dans l'emplacement de l'administrateur dans l'environnement Studio Classic de l'utilisateur. Vous pouvez remplacer /etc/xdg/sagemaker par /root/.config/sagemaker pour écrire le fichier à l'emplacement de l'utilisateur.

    ## 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

    • Copier les fichiers manuellement : pour copier les fichiers de configuration manuellement, exécutez le script créé à l'étape précédente à partir d'un terminal Studio Classic. Dans ce cas, le profil utilisateur qui a exécuté le script peut créer des expériences Autopilot avec les valeurs par défaut applicables uniquement à ces expériences.

    • Créez une configuration du cycle de vie de l' SageMaker IA : vous pouvez également utiliser une configuration du cycle de vie (LCC) pour automatiser la personnalisation de votre environnement Studio Classic. Les LCC sont des scripts shell déclenchés par des événements du cycle de vie d'Amazon SageMaker Studio Classic, tels que le démarrage d'une application Studio Classic. Cette personnalisation inclut l'installation de packages personnalisés, la configuration d'extensions de bloc-notes, le préchargement de jeux de données, la configuration de référentiels de code source ou, dans notre cas, le préremplissage de paramètres par défaut. Les administrateurs peuvent associer le LCC à un domaine Studio Classic afin d'automatiser la configuration des valeurs par défaut pour chaque profil utilisateur au sein de ce domaine.

      Les sections suivantes expliquent comment créer une configuration du cycle de vie afin que les utilisateurs puissent charger automatiquement les paramètres par défaut du pilote automatique lors du lancement de Studio Classic. Vous pouvez choisir de créer un LCC à l'aide de la console SageMaker AI ou du AWS CLI.

      Create a LCC from the SageMaker AI Console

      Suivez les étapes ci-dessous pour créer une LCC contenant vos paramètres par défaut, associer la LCC à un domaine ou à un profil utilisateur, puis lancer une application Studio Classic préremplie avec les paramètres par défaut définis par la LCC à l'aide de l'AI Console. SageMaker

      • Pour créer une configuration du cycle de vie qui exécute le script contenant vos valeurs par défaut à l'aide de l' SageMaker AI Console

        • Ouvrez la console SageMaker AI à l'adressehttps://console.aws.amazon.com/sagemaker/.

        • Sur le côté gauche, accédez à Configurations d'administration, puis à Configurations du cycle de vie.

        • Sur la page Configurations du cycle de vie, accédez à l'onglet Studio Classic, puis choisissez Créer une configuration.

        • Dans Name (Nom), saisissez un nom en utilisant des caractères alphanumériques et « - », mais pas d'espaces. Le nom peut comporter un maximum de 63 caractères.

        • Collez votre script dans la section Scripts.

        • Choisissez Créer une configuration pour créer la configuration du cycle de vie. Cela crée un LCC de typeKernel gateway app.

      • Pour associer la configuration du cycle de vie à un domaine Studio Classic, à un espace ou à un profil utilisateur

        Suivez les étapes décrites dans Attacher la configuration du cycle de vie au domaine ou au profil utilisateur de Studio Classic pour associer votre LCC à un domaine Studio Classic ou à un profil utilisateur spécifique.

      • Pour lancer votre application Studio Classic avec la configuration du cycle de vie

        Une fois que le LCC est attaché à un domaine ou à un profil utilisateur, les utilisateurs concernés peuvent démarrer une application Studio Classic depuis la page d'accueil de Studio Classic dans Studio pour récupérer automatiquement les valeurs par défaut définies par le LCC. Cela remplit automatiquement l'interface utilisateur de Studio Classic lors de la création d'un test de pilote automatique.

      Create a LCC from the AWS CLI

      Utilisez les extraits suivants pour lancer une application Studio Classic qui exécute votre script à l'aide du. AWS CLI Notez que lifecycle_config.sh est le nom donné à votre script dans cet exemple.

      Avant de commencer :

      • Assurez-vous d'avoir effectué la mise à jour et la configuration AWS CLI en remplissant les conditions préalables décrites dans Créer une configuration de cycle de vie à partir du AWS CLI.

      • Installez la documentation OpenSSL. La AWS CLI commande utilise la bibliothèque open source OpenSSL pour encoder votre script au format Base64. Cette exigence évite les erreurs dues à l'encodage des espacements et des sauts de ligne.

      Vous pouvez désormais suivre les trois étapes suivantes :

      • Créez une nouvelle configuration de cycle de vie faisant référence au script de configuration 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

        Notez l'ARN de la configuration de cycle de vie nouvellement créée qui est renvoyée. Cet ARN est requis pour attacher la configuration du cycle de vie à votre application.

      • Attachez la configuration de cycle de vie à JupyterServerApp.

        L'exemple suivant montre comment créer un nouveau profil utilisateur auquel une configuration de cycle de vie est attachée. Pour mettre à jour un profil utilisateur existant, utilisez la AWS CLI update-user-profilecommande. Pour créer ou mettre à jour un domaine, consultez les sections create-domain et update-domain. Ajoutez l'ARN de la configuration de cycle de vie de l'étape précédente aux paramètres du type d'application JupyterServerAppSettings. Vous pouvez ajouter plusieurs configurations de cycle de vie à la fois en utilisant une liste de configurations de cycle de vie.

        # 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"]
  }
}'

        Une fois que le LCC est associé à un domaine ou à un profil utilisateur, les utilisateurs concernés peuvent fermer et mettre à jour leur application Studio Classic existante en suivant les étapes décrites dans Arrêter et mettre à jour Amazon SageMaker Studio Classic, ou démarrer une nouvelle application Studio Classic depuis la AWS console pour récupérer automatiquement les valeurs par défaut définies par le LCC. Cela remplit automatiquement l'interface utilisateur de Studio Classic lors de la création d'un test de pilote automatique. Ils peuvent également lancer une nouvelle application Studio Classic en procédant AWS CLI comme suit.

      • Lancez votre application Studio Classic avec la configuration du cycle de vie à l'aide du 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

        Pour plus d'informations sur la création d'une configuration de cycle de vie à l'aide d' AWS CLI, consultez Création d'une configuration de cycle de vie à partir d' AWS CLI.