Amazon SageMaker HyperPod unterstützt nun benutzerdefinierte AMIs (Amazon Machine Images)
Amazon SageMaker HyperPod unterstützt nun benutzerdefinierte AMIs, sodass Kunden Cluster mit vorkonfigurierten, sicherheitsoptimierten Umgebungen bereitstellen können, die ihren spezifischen organisatorischen Anforderungen entsprechen. Kunden, die KI-/ML-Workloads auf HyperPod bereitstellen, benötigen maßgeschneiderte Umgebungen, die strenge Sicherheits-, Compliance- und Betriebsanforderungen erfüllen und gleichzeitig schnelle Cluster-Startzeiten gewährleisten. Oftmals haben sie jedoch mit komplexen Skripten für die Lebenszykluskonfiguration zu kämpfen, die die Bereitstellung verlangsamen und Unstimmigkeiten zwischen den Clusterknoten verursachen.
Diese Funktion ermöglicht es Kunden, auf den leistungsoptimierten Basis-AMIs von HyperPod aufzubauen und gleichzeitig maßgeschneiderte Sicherheitsagenten, Compliance-Tools, proprietäre Bibliotheken und spezielle Treiber direkt in das Image zu integrieren. Dies führt zu schnelleren Startzeiten, verbesserter Zuverlässigkeit und erhöhter Sicherheitskonformität. Sicherheitsteams können Unternehmensrichtlinien direkt in Basisimages integrieren, sodass KI-/ML-Teams vorab genehmigte Umgebungen nutzen können, die die Trainingszeit verkürzen und gleichzeitig die Sicherheitsstandards des Unternehmens erfüllen. Sie können benutzerdefinierte AMIs beim Erstellen neuer HyperPod-Cluster mithilfe der CreateCluster-API, beim Hinzufügen von Instance-Gruppen mit der UpdateCluster-API oder beim Patchen vorhandener Cluster mit der UpdateClusterSoftware-API angeben. Benutzerdefinierte AMIs müssen unter Verwendung der Public Base-AMIs von HyperPod erstellt werden, um die Kompatibilität mit verteilten Trainingsbibliotheken und Cluster-Verwaltungsfunktionen zu gewährleisten.
Diese Funktion ist in allen AWS-Regionen verfügbar, in denen Amazon SageMaker HyperPod unterstützt wird. Weitere Informationen zum maßgeschneiderten AMI-Support finden Sie im Amazon SageMaker HyperPod-Benutzerhandbuch.