Personalización de Amazon SageMaker Studio Classic - Amazon SageMaker AI

Personalización de Amazon SageMaker Studio Classic

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección es específica del uso de la aplicación de Studio Classic. Para obtener información sobre el uso de la experiencia de Studio actualizada, consulte Amazon SageMaker Studio.

Existen cuatro opciones para personalizar su entorno de Amazon SageMaker Studio Classic. Puede traer su propia imagen de SageMaker, utilizar un script de configuración del ciclo de vida, asociar repositorios de Git sugeridos a Studio Classic o crear kernels mediante entornos Conda persistentes en Amazon EFS. Utilice cada opción de forma individual o conjunta.

  • Traer su propia imagen de SageMaker: una imagen de SageMaker es un archivo que identifica los kernels, paquetes de idioma y otras dependencias necesarias para ejecutar un cuaderno de Jupyter en Amazon SageMaker Studio Classic. Amazon SageMaker AI proporciona muchas imágenes integradas para que las use. Si necesita una funcionalidad diferente, puede llevar sus propias imágenes personalizadas a Studio Classic.

  • Utilizar las configuraciones de ciclo de vida con Amazon SageMaker Studio Classic: las configuraciones del ciclo de vida son scripts de intérprete de comandos activados por los eventos del ciclo de vida de Amazon SageMaker Studio Classic, como iniciar un nuevo cuaderno de Studio Classic. Puede utilizar las configuraciones del ciclo de vida para automatizar la personalización de su entorno de Studio Classic. Por ejemplo, puede instalar paquetes personalizados, configurar extensiones de notebook, cargar previamente conjuntos de datos y configurar repositorios de código fuente.

  • Asociar repositorios de Git sugeridos a Studio Classic: puede asociar las URL sugeridas de repositorios de Git al dominio de Amazon SageMaker AI o en el nivel de perfil de usuario. A continuación, puede seleccionar la URL del repositorio de la lista de sugerencias y clonarla en su entorno mediante la extensión de Git en Studio Classic.

  • Mantener los entornos de Conda en el volumen de Amazon EFS de Studio Classic: Studio Classic utiliza un volumen de Amazon EFS como capa de almacenamiento persistente. Puede guardar su entorno de Conda en este volumen de Amazon EFS y, a continuación, utilizar el entorno guardado para crear kernels. Studio Classic selecciona automáticamente todos los entornos válidos guardados en Amazon EFS como kernels de KernelGateway. Estos kernels persisten hasta que se reinicia el kernel, la aplicación y Studio Classic. Para obtener más información, consulte la sección Persist Conda environments to the Studio Classic EFS volume en Four approaches to manage Python packages in Amazon SageMaker Studio Classic notebooks.

En los temas siguientes se muestra cómo utilizar estas tres opciones para personalizar el entorno de Amazon SageMaker Studio Classic.

Temas