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.

Permettre aux utilisateurs d'accéder à des images personnalisées

Cette documentation fournit des step-by-step instructions pour permettre à vos utilisateurs d'accéder à des images personnalisées au sein de leur JupyterLab environnement. Vous pouvez utiliser les informations de cette page pour créer des environnements personnalisés pour les flux de travail de vos utilisateurs. Le processus consiste à utiliser :

Après avoir suivi les instructions de cette page, JupyterLab les utilisateurs du SageMaker domaine Amazon auront accès à l'image et à l'environnement personnalisés depuis leurs espaces Jupyter afin de renforcer leurs flux de travail d'apprentissage automatique.

Pour que vos utilisateurs exécutent correctement leur image dans ce JupyterLab document, vous devez effectuer les opérations suivantes :

Étape 1 : créer le Dockerfile

Créez un Dockerfile pour définir les étapes nécessaires à la création de l'environnement nécessaire pour exécuter l'application dans les conteneurs de vos utilisateurs.

Utilisez le modèle Dockerfile suivant pour créer une image Amazon Linux 2 :

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='*'


            

Utilisez le modèle Dockerfile suivant pour créer une image de SageMaker distribution Amazon :

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"]                
            

Étape 2 : créer le Dockerfile

Dans le même répertoire que votre Dockerfile, créez votre image à l'aide de la commande suivante :

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

Étape 3 : transférer l'image vers le référentiel Amazon Elastic Container Registry

Après avoir créé votre image, connectez-vous à votre ECR référentiel Amazon à l'aide de la commande suivante :

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

Une fois connecté, envoyez votre Dockerfile à l'aide de la commande suivante :

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

Étape 4 : Joindre une image au SageMaker domaine Amazon de vos utilisateurs

Après avoir envoyé l'image, vous devez y accéder depuis votre SageMaker domaine Amazon. Pour associer l'image à un SageMaker domaine, procédez comme suit :

Vos utilisateurs peuvent désormais sélectionner l'image que vous avez attachée à leur domaine depuis leur JupyterLab espace.