Konfigurieren Sie die Standardparameter eines Autopilot-Experiments (für Administratoren)

Autopilot unterstützt das Festlegen von Standardwerten, um die Konfiguration von Amazon SageMaker Autopilot zu vereinfachen, wenn Sie ein Autopilot-Experiment mit der Studio Classic-Benutzeroberfläche erstellen. Administratoren können Studio Classic-Lebenszykluskonfigurationen (LCC) verwenden, um Infrastruktur-, Netzwerk- und Sicherheitswerte in Konfigurationsdateien festzulegen und die erweiterten Einstellungen von AutoML Aufträgen vorab zu füllen.

Auf diese Weise können sie die Netzwerkkonnektivität und Zugriffsberechtigungen für die mit Amazon SageMaker Studio Classic verbundenen Ressourcen vollständig steuern, einschließlich SageMaker Instances, Datenquellen, Ausgabedaten und anderer verwandter -Services. Insbesondere können Administratoren eine gewünschte Netzwerkarchitektur wie Amazon VPC, Subnetze und Sicherheitsgruppen für eine Studio Classic-Domäne oder einzelne Benutzerprofile konfigurieren. Datenwissenschaftler können sich bei der Erstellung ihrer Autopilot-Experimente mit der Studio Classic-Benutzeroberfläche auf datenwissenschaftliche spezifische Parameter konzentrieren. Darüber hinaus können Administratoren die Verschlüsselung von Daten in der Instance verwalten, in der Autopilot-Experimente ausgeführt werden, indem sie Standardschlüssel festlegen.

Anmerkung

Dieses Feature ist in den Opt-in-Regionen Asien-Pazifik (Hongkong) und Naher Osten (Bahrain) derzeit nicht verfügbar.

In den folgenden Abschnitten finden Sie eine vollständige Liste der Parameter, die die Einstellung von Standardwerten beim Erstellen eines Autopilot-Experiments mit der Studio Classic-Benutzeroberfläche unterstützen, und erfahren, wie Sie diese Standardwerte festlegen.

Liste der unterstützten Standardparameter

Die folgenden Parameter unterstützen das Festlegen von Standardwerten mit einer Konfigurationsdatei zum Erstellen eines Autopilot-Experiments mithilfe der Studio Classic-Benutzeroberfläche. Nach dem Festlegen füllen die Werte automatisch das entsprechende Feld auf der Registerkarte Experiment erstellen des Autopiloten in der Studio Classic-Benutzeroberfläche aus. Eine vollständige Beschreibung der einzelnen Felder finden Sie unter Erweiterte Einstellungen (optional).

• Sicherheit: Amazon VPC-Subnetze und Sicherheitsgruppen.

• Zugriff: AWS IAM-Rollen-ARNs .

• Verschlüsselung: AWS KMS Schlüssel-IDs .

• Tags: Schlüssel-Wert-Paare, die zum Beschriften und Organisieren von SageMaker Ressourcen verwendet werden.

Legen Sie die Standardparameter für Autopilot-Experimente fest

Administratoren können Standardwerte in einer Konfigurationsdatei festlegen und die Datei dann manuell an einem empfohlenen Speicherort in der Studio Classic-Umgebung bestimmter Benutzer platzieren oder die Datei an ein Lebenszykluskonfigurationsskript (LCC) übergeben, um die Anpassung der Studio Classic-Umgebung für eine bestimmte Domain oder ein bestimmtes Benutzerprofil zu automatisieren.

• Um die Konfigurationsdatei einzurichten, geben Sie zunächst die Standardparameter ein.

  Um einige oder alle unter Liste der unterstützten Standardparameter aufgeführten Standardwerte zu konfigurieren kann der Administrator eine Konfigurationsdatei mit dem Namen config.yaml erstellen, deren Struktur dieser Beispielkonfigurationsdatei entsprechen sollte. Der folgende Ausschnitt zeigt eine Beispielkonfigurationsdatei mit allen unterstützten AutoML Parametern. Weitere Informationen zum Format dieser Datei finden Sie im vollständigen Schema.

  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'

• Legen Sie die Konfigurationsdatei anschließend am empfohlenen Speicherort ab, indem Sie die Datei entweder manuell in die empfohlenen Pfade kopieren oder eine Lebenszykluskonfiguration (LCC) verwenden.

  Die Konfigurationsdatei muss an mindestens einem der folgenden Speicherorte in der Studio Classic-Umgebung des Benutzers vorhanden sein. Standardmäßig SageMaker sucht an zwei Speicherorten nach einer Konfigurationsdatei:

  • Zunächst unter /etc/xdg/sagemaker/config.yaml. Diese Datei bezeichnen wir als Administrator-Konfigurationsdatei.

  • Dann unter /root/.config/sagemaker/config.yaml. Diese Datei bezeichnen wir als Benutzer-Konfigurationsdatei.

  Mithilfe der Administrator-Konfigurationsdatei können Administratoren eine Reihe von Standardwerten festlegen. Optional können sie mit Hilfe der Konfigurationsdatei des Benutzers die in der Konfigurationsdatei des Administrators festgelegten Werte umgehen oder zusätzliche Werte für die Standardparameter festlegen.

  Der folgende Codeausschnitt zeigt ein Beispielskript, das die Konfigurationsdatei für Standardparameter in den Administratorspeicherort in der Studio Classic-Umgebung des Benutzers schreibt. Sie können /etc/xdg/sagemaker durch /root/.config/sagemaker ersetzen, um die Datei an den Speicherort des Benutzers zu schreiben.

  ## 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

  • Manuelles Kopieren der Dateien – Um die Konfigurationsdateien manuell zu kopieren, führen Sie das im vorherigen Schritt erstellte Skript von einem Studio-Classic-Terminal aus aus. In diesem Fall kann das Benutzerprofil, das das Skript ausgeführt hat, Autopilot-Experimente mit den Standardwerten erstellen, die nur für sie gelten.

  • Erstellen einer SageMaker Lebenszykluskonfiguration – Alternativ können Sie eine Lebenszykluskonfiguration (LCC) verwenden, um die Anpassung Ihrer Studio Classic-Umgebung zu automatisieren. LCC sind Shell-Skripts, die durch Lebenszyklusereignisse von Amazon SageMaker Studio Classic ausgelöst werden, z. B. das Starten einer Studio Classic-Anwendung. Diese individuelle Anpassung beinhaltet die Installation von benutzerdefinierten Paketen, die Konfiguration von Notebook-Erweiterungen, das Laden von Datensätzen im Voraus, das Einrichten von Quellcode-Repositories oder, in unserem Fall, das Vorausfüllen von Standardparametern. Administratoren können das LCC an eine Studio-Classic-Domain anfügen, um die Konfiguration von Standardwerten für jedes Benutzerprofil innerhalb dieser Domain zu automatisieren.

    In den folgenden Abschnitten wird beschrieben, wie Sie eine Lebenszykluskonfiguration erstellen, damit Benutzer beim Starten von Studio Classic automatisch Autopilot-Standardparameter laden können. Sie können ein LCC mithilfe der SageMaker Konsole oder der erstellen AWS CLI.

    Create a LCC from the SageMaker Console

    Führen Sie die folgenden Schritte aus, um ein LCC zu erstellen, das Ihre Standardparameter enthält, das LCC an eine Domain oder ein Benutzerprofil anzuhängen und dann mithilfe der SageMaker Konsole eine Studio Classic-Anwendung zu starten, die mit den vom LCC festgelegten Standardparametern vorausgefüllt ist.

    • So erstellen Sie eine Lebenszykluskonfiguration, die das Skript ausführt, das Ihre Standardwerte enthält, mithilfe der SageMaker Konsole

      • Öffnen Sie die - SageMaker Konsole unter https://console.aws.amazon.com/sagemaker/.

      • Navigieren Sie auf der linken Seite zu Admin-Konfigurationen und dann Lebenszykluskonfigurationen.

      • Navigieren Sie auf der Seite Lebenszykluskonfigurationen zur Registerkarte Studio Classic und wählen Sie dann Konfiguration erstellen aus.

      • Geben Sie unter Name einen Namen mit alphanumerischen Zeichen und „-“ ein, der keine Leerzeichen enthält. Der Name darf höchstens 63 Zeichen lang sein.

      • Fügen Sie Ihr Skript in den Abschnitt Skripte ein.

      • Wählen Sie Konfiguration erstellen, um die Lebenszykluskonfiguration zu erstellen. Dadurch wird ein LCC vom Typ erstelltKernel gateway app.

    • So fügen Sie die Lebenszykluskonfiguration an eine Studio-Classic-Domäne, ein Leerzeichen oder ein Benutzerprofil an

      Führen Sie die Schritte unter Anfügen der Lebenszykluskonfiguration an eine Studio-Classic-Domain oder ein Benutzerprofil aus, um Ihr LCC an eine Studio-Classic-Domain oder ein bestimmtes Benutzerprofil anzuhängen.

    • So starten Sie Ihre Studio Classic-Anwendung mit der Lebenszykluskonfiguration

      Sobald das LCC an eine Domain oder ein Benutzerprofil angehängt ist, können betroffene Benutzer eine Studio Classic-Anwendung von der Startseite von Studio Classic in Studio aus starten, um die vom LCC festgelegten Standardeinstellungen automatisch zu übernehmen. Dadurch wird die Studio Classic-Benutzeroberfläche automatisch ausgefüllt, wenn ein Autopilot-Experiment erstellt wird.

    Create a LCC from the AWS CLI

    Verwenden Sie die folgenden Ausschnitte, um eine Studio Classic-Anwendung zu starten, die Ihr Skript mit der ausführt AWS CLI. Beachten Sie, dass lifecycle_config.sh der Name ist, den Ihr Skript in diesem Beispiel erhalten hat.

    Bevor Sie loslegen:

    • Stellen Sie sicher, dass Sie aktualisiert und konfiguriert haben, AWS CLI indem Sie die unter Erstellen einer Lebenszykluskonfiguration aus beschriebenen AWS CLI Voraussetzungen erfüllen.

    • Dokumentation zur Installation von OpenSSL. Der AWS CLI Befehl verwendet die Open-Source-Bibliothek OpenSSL, um Ihr Skript im Base64-Format zu codieren. Diese Anforderung verhindert Fehler, die bei der Kodierung von Leerzeichen und Zeilenumbrüchen auftreten.

    Sie können jetzt diese drei Schritten ausführen:

    • Erstellen Sie eine neue Lebenszykluskonfiguration, die auf das Konfigurationsskript lifecycle_config.sh verweist

      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

      Notieren Sie sich den ARN der neu erstellten Lebenszykluskonfiguration, die zurückgegeben wird. Dieser ARN ist erforderlich, um die Lebenszykluskonfiguration an Ihre Anwendung anzuhängen.

    • Hängen Sie die Lebenszykluskonfiguration an Ihre JupyterServerApp an

      Im folgenden Beispiel wird gezeigt, wie ein neues Benutzerprofil mit einer angehängten Lebenszykluskonfiguration erstellt wird. Verwenden Sie den Befehl , um ein vorhandenes Benutzerprofil zu AWS CLI update-user-profile aktualisieren. Informationen zum Erstellen oder Aktualisieren einer Domain finden Sie unter create-domain und update-domain. Fügen Sie den ARN für die Lebenszykluskonfiguration aus dem vorangegangenen Schritt zu den Einstellungen des JupyterServerAppSettings Anwendungstyps hinzu. Mit Hilfe einer Liste von Lebenszykluskonfigurationen können Sie mehrere Lebenszykluskonfigurationen gleichzeitig hinzufügen.

      # 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"]
        }
      }'

      Sobald das LCC an eine Domain oder ein Benutzerprofil angehängt ist, können betroffene Benutzer ihre vorhandene Studio Classic-Anwendung herunterfahren und aktualisieren, indem sie die Schritte unter Amazon SageMaker Studio Classic herunterfahren und aktualisieren ausführen, oder eine neue Studio Classic-Anwendung über die AWS Konsole starten, um die vom LCC festgelegten Standardeinstellungen automatisch zu übernehmen. Dadurch wird die Studio Classic-Benutzeroberfläche automatisch ausgefüllt, wenn ein Autopilot-Experiment erstellt wird. Alternativ können sie eine neue Studio-Classic-Anwendung mit der AWS CLI wie folgt starten.

    • Starten Sie Ihre Studio Classic-Anwendung mit der Lebenszykluskonfiguration mithilfe der 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

      Weitere Informationen zum Erstellen einer Lebenszykluskonfiguration mit Hilfe des AWS CLI finden Sie unter Erstellen einer Lebenszykluskonfiguration aus dem AWS CLI.