带上您自己的自定义 SageMaker 图像教程 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

带上您自己的自定义 SageMaker 图像教程

在本教程中,您将创建自定义 SageMaker 映像,并将图片版本附加到您的域,以便在 Amazon SageMaker Studio 中使用。映像版本包含一系列 R 软件包以及Amazon SDK for Python (Boto3)和Amazon SageMaker Python 开发工具包. 完成本教程后,您可以在 Studio 中选择版本,并使用 R 使用 RStudio 网格包访问开发工具包。有关网状包的更多信息,请参阅。到 Python 的 R 接口. 有关类似于本教程的博客文章,请参阅将您自己的 R 环境带到 Amazon SageMaker 工作室.

提供了两种方法来将映像版本附加到您的域。在第一种方法中,您可以创建一个附加版本的新域。此方法更简单,但您需要指定创建域所需的 Amazon Virtual Private Cloud (VPC) 信息和执行角色。

如果您已登记到 Studio,则可以使用第二种方法将映像版本附加到当前域。在这种情况下,不需要指定 VPC 信息和执行角色。附加版本后,必须删除域中的所有应用,然后重新打开 Studio。

您无法从 Studio 运行本教程,因为您无法从 Studio 中创建或更新域。

Prerequisites

  • Docker 应用程序。有关设置 Docker 的信息,请参阅方向和设置.

  • 用于创建兼容 Studio 的 Dockerfile 的本地副本R 图像来自 的SageMaker 工作室自定义图像样本存储库。

    注意

    通过 Docker 文件构建 R 映像可以安装依赖关系,这些依赖关系可以根据版权保留许可证(如 GPLv3)进行许可。在继续和构建此映像之前,您应查看许可条款并确保它们在您的使用案例中可以接受。

  • 访问 Amazon Elastic Container Registry (Amazon ECR) 服务的权限。有关更多信息,请参阅 。Amazon ECR 托管策略.

  • 网络 ACL 和安全组都允许 (因此可到达您的实例) 的发起 ping 的Amazon Identity and Access Management执行角色,该角色具有AmazonSageMakerFullAccess附加策略。如果您已加入 Amazon SageMaker 工作室,您可以从Studio 摘要” 部分中的 “创建工作 SageMaker 控制面板。