Personalizzazione di Amazon SageMaker Studio Classic - Amazon SageMaker AI

Personalizzazione di Amazon SageMaker Studio Classic

Importante

A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio ha cambiato nome in Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’applicazione Studio Classic. Per informazioni sull’utilizzo dell’esperienza Studio aggiornata, consulta Amazon SageMaker Studio.

Sono disponibili quattro opzioni per personalizzare l’ambiente Amazon SageMaker Studio Classic. Puoi utilizzare la tua immagine SageMaker, utilizzare uno script di configurazione del ciclo di vita, collegare a Studio Classic i repository Git consigliati o creare kernel utilizzando ambienti Conda persistenti in Amazon EFS. Puoi scegliere se usare una sola opzione o usarle insieme.

  • Utilizza la tua immagine SageMaker: un’immagine SageMaker è un file che identifica i kernel, i pacchetti linguistici e altre dipendenze necessarie per eseguire un notebook Jupyter in Amazon SageMaker Studio Classic. Amazon SageMaker AI offre molte immagini integrate che puoi utilizzare. Se hai bisogno di altre funzionalità, puoi utilizzare le tue immagini personalizzate in Studio Classic.

  • Utilizza le configurazioni del ciclo di vita con Amazon SageMaker Studio Classic: le configurazioni del ciclo di vita sono script shell attivati da eventi del ciclo di vita di Amazon SageMaker Studio Classic, come l’avvio di un nuovo notebook Studio Classic. Puoi utilizzare le configurazioni del ciclo di vita per automatizzare la personalizzazione del tuo ambiente Studio Classic. Ad esempio, puoi installare pacchetti personalizzati, configurare estensioni per notebook, precaricare set di dati e configurare repository di codice sorgente.

  • Collega i repository Git suggeriti a Studio Classic: puoi collegare gli URL dei repository Git suggeriti a livello di dominio o di profilo utente Amazon SageMaker AI. Quindi, puoi selezionare l’URL del repository dall’elenco dei suggerimenti e clonarlo nel tuo ambiente utilizzando l’estensione Git in Studio Classic.

  • Rendi gli ambienti Conda persistenti sul volume Amazon EFS di Studio Classic: Studio Classic utilizza un volume Amazon EFS come livello di archiviazione persistente. Puoi salvare il tuo ambiente Conda su questo volume Amazon EFS, quindi utilizzare l'ambiente salvato per creare kernel. Studio Classic seleziona automaticamente tutti gli ambienti validi salvati in Amazon EFS come kernel KernelGateway. Questi kernel perdurano, anche dopo il riavvio del kernel, dell’app e di Studio Classic. Per ulteriori informazioni, consulta la sezione Persist Conda environments to the Studio Classic EFS volume in Four approaches to manage Python packages in Amazon SageMaker Studio Classic notebooks.

I contenuti seguenti mostrano come utilizzare queste tre opzioni per personalizzare l’ambiente Amazon SageMaker Studio Classic.

Argomenti