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.

# Créez une image Docker Amazon Linux 2023 équivalente à celle d'un travailleur pour Deadline Cloud
<a name="examples-container-al2023"></a>

Le Dockerfile [al2023-deadline](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/containers/al2023-deadline) reproduit l'ensemble de packages de l'AMI de travail du parc géré par les services (SMF) de Deadline Cloud au-dessus de l'image de base Amazon Linux 2023. Utilisez l'image pour :
+ Créez et testez des packages conda avec la même version de GLIBC, les mêmes bibliothèques système et le même environnement d'exécution que de vrais travailleurs.
+ Reproduisez localement les défaillances de compilation ou d'exécution côté travailleur.
+ Vérifiez que vos dépendances logicielles sont satisfaites par l'environnement de travail avant de soumettre des tâches.

L'image installe les packages dans des groupes de couches correspondant à l'AMI de travail : outils du système de base, chaîne d'outils de compilation X11/Mesa/OpenGL, bibliothèques d'images et de médias, utilitaires réseau et de sécurité, Python 3.11, Docker et containerd, AWS CLI v2, Boost, jemalloc et TBB.

Créez l'image :

```
docker build -f Dockerfile.worker-equivalent -t al2023-deadline:latest .
```

Créez un package conda à l'intérieur du conteneur :

```
docker run --rm -v "$PWD":/work -w /work al2023-deadline:latest \
    bash -c "pip3.11 install conda-build && conda build my-recipe/"
```

**Important**  
Cette image est un instantané instantané. L'AMI de travail SMF réelle peut contenir des packages plus récents ou supplémentaires. Pour la prise en charge des GPU NVIDIA, ajoutez le référentiel NVIDIA Container Toolkit au Dockerfile et exécutez-le avec. `--gpus all`