更新容器配置

您可以将自定义 Docker 映像用于机器学习工作流。自定义这些映像的一个关键方面是配置容器配置或 ContainerConfig。以下页面提供了有关如何配置 ContainerConfig 的示例。

入口点是在容器启动时运行的命令或脚本。利用自定义入口点，您可以在应用程序启动之前设置环境、初始化服务或执行任何必要的设置。

此示例说明如何使用为您的 JupyterLab 应用程序配置自定义入口点。Amazon CLI此示例假定您已创建一个自定义映像和域。有关说明，请参阅将自定义映像附加到域。

首先为接下来的Amazon CLI命令设置变量。
```
APP_IMAGE_CONFIG_NAME=app-image-config-name
ENTRYPOINT_FILE=entrypoint-file-name
ENV_KEY=environment-key
ENV_VALUE=environment-value
REGION=aws-region
DOMAIN_ID=domain-id
IMAGE_NAME=custom-image-name
IMAGE_VERSION=custom-image-version
```
- app-image-config-name 是应用程序映像配置的名称。
- entrypoint-file-name 是容器入口点脚本的名称。例如 entrypoint.sh。
- environment-key 是环境变量的名称。
- environment-value 是分配给环境变量的值。
- aws-region是你Amazon Web Services 区域的 Amazon A SageMaker I 域名。你可以在任何Amazon主机页面的右上角找到它。
- domain-id 是域 ID。要查看域，请参阅查看领域。
- custom-image-name 是自定义映像的名称。要查看自定义映像详细信息，请参阅查看自定义映像详细信息（控制台）。
  
  如果您已按照将自定义映像附加到域中的说明操作，则可能需要使用该过程中使用的同一映像名称。
- custom-image-version 是自定义映像的版本号。它应为整数，代表映像的版本。要查看自定义映像详细信息，请参阅查看自定义映像详细信息（控制台）。

使用 CreateAppImageConfig API 创建映像配置。


aws sagemaker create-app-image-config \
    --region ${REGION} \
    --app-image-config-name "${APP_IMAGE_CONFIG_NAME}" \
    --jupyter-lab-app-image-config "ContainerConfig = {
        ContainerEntrypoint = "${ENTRYPOINT_FILE}", 
        ContainerEnvironmentVariables = {
            "${ENV_KEY}"="${ENV_VALUE}"
        }
    }"

使用 UpdateDomain API 更新域的默认设置。这将附加自定义映像以及应用程序映像配置。


aws sagemaker update-domain \
    --region ${REGION} \
    --domain-id "${DOMAIN_ID}" \
    --default-user-settings "{
        \"JupyterLabAppSettings\": {
            \"CustomImages\": [
                {
                    \"ImageName\": \"${IMAGE_NAME}\",
                    \"ImageVersionNumber\": ${IMAGE_VERSION},
                    \"AppImageConfigName\": \"${APP_IMAGE_CONFIG_NAME}\"
                }
            ]
        }
    }"

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

将自定义映像附加到域

在 Studio 中启动自定义映像