自带自定义SageMaker映像教程 - Amazon SageMaker
AWS 文档中描述的 AWS 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 AWS 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。

自带自定义SageMaker映像教程

在本教程中，您将创建一个自定义SageMaker映像并将该映像的版本附加到您的域以在 Amazon SageMaker Studio 中使用。映像版本包含所选的 R 程序包以及 适用于 Python (Boto3) 的 AWS 软件开发工具包 和 Amazon SageMaker Python SDK。完成本教程后，您可以在 Studio 中选择 版本，并使用 R SDKs 通过 RStudio reticulate 包访问 。有关 reticulate 程序包的更多信息，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 环境引入 Amazon SageMaker Studio。

提供两种方法以将映像版本附加到您的域。在第一个方法中，您将创建一个附加了 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。

如果您已注册到 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，您无需指定 VPC 信息和执行角色。附加版本后，您必须删除域中的所有应用程序并重新打开 Studio。

您无法从 Studio 运行本教程，原因如下：

  • Docker 在 Studio 中不可用。

  • 您无法在 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。

  • Dockerfile 的本地副本，用于从 Studio 自定义映像示例存储库创建与 SageMaker Studio 兼容的 R 映像。

    注意

    从 Dockerfile 构建 R 映像将安装可在 copyleft 许可证下授予许可的依赖项，例如 GPLv3。 您应该查看许可条款，并确保它们对您的使用案例是可接受的，然后再继续并构建此映像。

  • 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。

  • 附加了 AWS Identity and Access ManagementAmazonSageMakerFullAccess 策略的 执行角色。如果您已注册到 Amazon SageMaker Studio，则可以从 Studio 控制面板的 Studio Summary （Studio 摘要SageMaker） 部分获取角色。

Links

主题