View a markdown version of this page

Menyiapkan Studio untuk Ray - Amazon SageMaker AI
PrasyaratLangkah 1: Buat domain SageMaker AILangkah 2: Berikan akses domain ke cluster AndaLangkah 3: Verifikasi

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Menyiapkan Studio untuk Ray

Amazon SageMaker Studio adalah IDE berbasis web yang memberi ilmuwan data dan insinyur ML antarmuka yang dibuat khusus untuk mengelola beban kerja Ray.

Prasyarat

Anda memerlukan yang berikut ini sebelum menyiapkan Studio:

Berikut ini adalah opsional, dan masing-masing menambahkan kemampuan daripada mengatur pengaturan:

  • Add-on SageMaker AI Spaces, untuk pengembangan interaktif di ruang Editor Kode JupyterLab atau yang terpasang pada cluster Ray. Untuk informasi selengkapnya, lihat Menyiapkan add-on Spaces.

  • Operator HyperPod Ray Endpoint, untuk tautan Dasbor Ray yang diautentikasi dan pengiriman pekerjaan jarak jauh. Untuk informasi selengkapnya, lihat Menginstal Operator HyperPod Ray Endpoint.

Langkah 1: Buat domain SageMaker AI

Akses studio ke HyperPod klaster berjalan melalui domain SageMaker AI, dan peran eksekusi domain adalah yang digunakan Studio utama IAM untuk bertindak pada cluster Anda. Buat domain dan kaitkan dengan cluster Anda dengan mengikutiMenyiapkan kluster Amazon EKS di Studio.

Langkah 2: Berikan akses domain ke cluster Anda

Akses klaster untuk pengguna Studio dikendalikan oleh kebijakan akses kluster yang dilampirkan pada peran eksekusi pada domain atau profil pengguna. Hanya peran dengan kebijakan yang tepat yang terlampir yang mencapai klaster.

Untuk memberikan akses klaster

  1. Buka konsol SageMaker AI dan pilih HyperPod cluster, lalu pilih cluster Anda.

  2. Pada tab Konfigurasi, temukan akses Cluster untuk SageMaker domain.

  3. Pilih Kelola akses.

  4. Pilih kebijakan yang dibutuhkan pengguna Anda:

    • AmazonSagemakerHyperpodTrainingPolicy—RayCluster,RayJob, danRayCronJob.

    • AmazonSagemakerHyperpodInferencePolicy— RayCluster danRayService.

    • AmazonSagemakerHyperpodSpacePolicy— ruang, untuk pengembangan interaktif.

    • AmazonSagemakerHyperpodSpaceTemplatePolicy— templat ruang.

    • AmazonSagemakerHyperpodUserClusterPolicy— visibilitas cluster untuk pengguna.

  5. Pilih apakah akan cakupan akses ke namespace atau ke seluruh cluster. Cakupan ke namespace saat tim berbagi cluster.

  6. Simpan.

Memberikan akses dengan cara ini membuat entri akses Amazon EKS untuk peran eksekusi untuk Anda, jadi tidak ada langkah terpisah di konsol Amazon EKS. Untuk konsep di balik model akses, lihatMenyiapkan kontrol akses berbasis peran Kubernetes.

Langkah 3: Verifikasi

Untuk mengonfirmasi akses

  1. Buka halaman Domain di konsol SageMaker AI dan pilih domain Anda.

  2. Luncurkan Studio untuk profil pengguna.

  3. Di bawah Compute, pilih HyperPod klaster Anda.

  4. Pilih Tugas.

  5. Konfirmasikan bahwa Anda dapat melihat beban kerja Ray Anda.