Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Personalizzazione di Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Esistono quattro opzioni per personalizzare il tuo ambiente Amazon SageMaker Studio Classic. Puoi portare la tua SageMaker immagine, utilizzare uno script di configurazione del ciclo di vita, allegare repository Git suggeriti a Studio Classic o creare kernel utilizzando ambienti Conda persistenti in Amazon EFS. Puoi scegliere se usare una sola opzione o usarle insieme.
+ **Porta la tua SageMaker immagine: un'** SageMaker immagine è un file che identifica i kernel, i pacchetti linguistici e le altre dipendenze necessarie per eseguire un notebook Jupyter in Amazon Studio Classic. SageMaker Amazon SageMaker AI fornisce molte immagini integrate da utilizzare. Se hai bisogno di altre funzionalità, puoi utilizzare le tue immagini personalizzate in Studio Classic.
+ **Usa le configurazioni del ciclo di vita con Amazon SageMaker Studio Classic:** le configurazioni del ciclo di vita sono script di 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.
+ **Allega repository Git suggeriti a Studio Classic:** puoi allegare il repository Git consigliato URLs a livello di dominio Amazon SageMaker AI o profilo utente. 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 preleva automaticamente tutti gli ambienti validi salvati in Amazon EFS come KernelGateway kernel. Questi kernel perdurano, anche dopo il riavvio del kernel, dell’app e di Studio Classic. Per ulteriori informazioni, consulta la sezione **Persistenza degli ambienti Conda nel volume Studio Classic EFS** in [Quattro approcci per gestire i pacchetti Python nei notebook Amazon SageMaker ](https://aws.amazon.com/blogs/machine-learning/four-approaches-to-manage-python-packages-in-amazon-sagemaker-studio-notebooks/) Studio Classic.
I seguenti argomenti mostrano come utilizzare queste tre opzioni per personalizzare l'ambiente Amazon SageMaker Studio Classic.
**Topics**
+ [Immagini personalizzate in Amazon SageMaker Studio Classic](studio-byoi.md)
+ [Usa le configurazioni del ciclo di vita per personalizzare Amazon Studio Classic SageMaker](studio-lcc.md)
+ [Allega repository Git consigliati ad Amazon SageMaker Studio Classic](studio-git-attach.md)
# Immagini personalizzate in Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Un' SageMaker immagine è un file che identifica i kernel, i pacchetti linguistici e altre dipendenze necessarie per eseguire un notebook Jupyter in Amazon Studio Classic. SageMaker Queste immagini vengono utilizzate per creare un ambiente da cui poi eseguire i notebook Jupyter. Amazon SageMaker AI fornisce molte immagini integrate da utilizzare. Per l'elenco delle immagini integrate, consulta [SageMaker Immagini Amazon disponibili per l'uso con i notebook Studio Classic](notebooks-available-images.md).
Se hai bisogno di altre funzionalità, puoi utilizzare le tue immagini personalizzate in Studio Classic. Puoi creare immagini e versioni di immagini e allegare versioni di immagini al tuo dominio o spazio condiviso utilizzando il pannello di controllo SageMaker AI [AWS SDK per Python (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html), e il [AWS Command Line Interface (AWS CLI)](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/). Puoi anche creare immagini e versioni di immagini utilizzando la console SageMaker AI, anche se non hai effettuato l'onboarding a un dominio SageMaker AI. SageMaker AI fornisce Dockerfile di esempio da utilizzare come punto di partenza per le SageMaker immagini personalizzate nel repository [SageMaker Studio Classic Custom](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/) Image Samples.
I seguenti argomenti spiegano come importare la propria immagine utilizzando la console SageMaker AI o AWS CLI come avviare l'immagine in Studio Classic. Per un articolo di blog simile, consulta [Porting your own R environment to Amazon SageMaker Studio Classic](https://aws.amazon.com/blogs/machine-learning/bringing-your-own-r-environment-to-amazon-sagemaker-studio/). Per i notebook che mostrano come utilizzare la propria immagine per la formazione e l'inferenza, consulta [Amazon SageMaker Studio Classic Container](https://github.com/aws/amazon-sagemaker-examples/tree/main/aws_sagemaker_studio/sagemaker_studio_image_build) Build CLI.
## Terminologia chiave
La sezione seguente definisce i termini chiave da conoscere quando si utilizza la propria immagine con Studio Classic.
+ **File Docker:** un file Docker è un file che identifica pacchetti linguistici e altre dipendenze della tua immagine Docker.
+ **Immagine Docker:** l'immagine Docker è un file Docker integrato. Questa immagine viene archiviata in Amazon ECR e funge da base per l'immagine SageMaker AI.
+ **SageMaker immagine:** Un' SageMaker immagine è un supporto per un set di versioni di immagini SageMaker AI basate su immagini Docker. Le singole versioni dell’immagine non sono modificabili.
+ **Versione immagine:** una versione immagine di un' SageMaker immagine rappresenta un'immagine Docker ed è archiviata in un repository Amazon ECR. Le singole versioni dell’immagine non sono modificabili. Queste versioni dell’immagine possono essere collegate a un dominio o a uno spazio condiviso e utilizzate con Studio Classic.
**Topics**
+ [Terminologia chiave](#studio-byoi-basics)
+ [Specifiche di SageMaker immagine personalizzate per Amazon SageMaker Studio Classic](studio-byoi-specs.md)
+ [Prerequisiti per le immagini personalizzate in Amazon SageMaker Studio Classic](studio-byoi-prereq.md)
+ [Aggiungi un'immagine Docker compatibile con Amazon SageMaker Studio Classic ad Amazon ECR](studio-byoi-sdk-add-container-image.md)
+ [Crea un' SageMaker immagine personalizzata per Amazon SageMaker Studio Classic](studio-byoi-create.md)
+ [Allega un' SageMaker immagine personalizzata in Amazon SageMaker Studio Classic](studio-byoi-attach.md)
+ [Avvio di un' SageMaker immagine personalizzata in Amazon SageMaker Studio Classic](studio-byoi-launch.md)
+ [Risorse di pulizia per immagini personalizzate in Amazon SageMaker Studio Classic](studio-byoi-cleanup.md)
# Specifiche di SageMaker immagine personalizzate per Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Le seguenti specifiche si applicano all'immagine del contenitore rappresentata da una versione di immagine SageMaker AI.
**Esecuzione dell'immagine**
`ENTRYPOINT`e `CMD` le istruzioni vengono sovrascritte per consentire all'immagine di funzionare come KernelGateway app.
La porta 8888 nell'immagine è riservata all'esecuzione del server KernelGateway Web.
**Arresto dell'immagine**
L’API `DeleteApp` invia l’equivalente di un comando `docker stop`. Gli altri processi nel contenitore non riceveranno i SIGKILL/SIGTERM segnali.
**Riconoscimento dei kernel**
SageMaker [L'intelligenza artificiale riconosce i kernel come definito dalle specifiche del kernel di Jupyter.](https://jupyter-client.readthedocs.io/en/latest/kernels.html#kernelspecs)
Puoi specificare una lista di kernel da visualizzare prima di eseguire l'immagine. In caso contrario, viene visualizzato python3. Usa l'[DescribeAppImageConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeAppImageConfig.html)API per visualizzare l'elenco dei kernel.
Per impostazione predefinita, gli ambienti conda sono riconosciuti come specifiche del kernel.
**File system**
Le directory `/opt/.sagemakerinternal` e `/opt/ml` sono riservate. I dati presenti in queste directory potrebbero non essere visibili durante il runtime.
**Dati utente**
A ogni utente di un dominio viene associata una directory utente su un volume Amazon Elastic File System condiviso nell'immagine. La posizione della directory dell'utente corrente sul volume Amazon EFS è configurabile. Per impostazione predefinita, la posizione della directory è `/home/sagemaker-user`.
SageMaker L'IA configura le UID/GID mappature POSIX tra l'immagine e l'host. L'impostazione predefinita è la mappatura dell'utente root UID/GID (0/0) su quello dell'host. UID/GID
È possibile specificare questi valori utilizzando l'API. [CreateAppImageConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAppImageConfig.html)
**Limiti GID/UID**
Amazon SageMaker Studio Classic supporta solo `DefaultUID` le seguenti `DefaultGID` combinazioni:
+ DefaultUID 1000 e DefaultGID 100, che corrisponde a un utente senza privilegi.
+ DefaultUID 0 e DefaultGID 0, che corrisponde all'accesso root.
**Metadati**
Un file di metadati si trova in `/opt/ml/metadata/resource-metadata.json`. Alle variabili definite nell'immagine non viene aggiunta alcuna variabile di ambiente. Per ulteriori informazioni, consulta [Ottenere i metadati dell’app](notebooks-run-and-manage-metadata.md#notebooks-run-and-manage-metadata-app).
**GPU**
In un'istanza GPU, l'immagine viene eseguita con l'opzione `--gpus`. Nell'immagine deve essere incluso solo il toolkit CUDA, non i driver NVIDIA. Per ulteriori informazioni, consulta [Guida per l'utente di NVIDIA](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/user-guide.html).
**Parametri e logging**
I log del KernelGateway processo vengono inviati ad Amazon CloudWatch nell'account del cliente. Il nome del gruppo di log è `/aws/sagemaker/studio`. Il nome del flusso di log è `$domainID/$userProfileName/KernelGateway/$appName`.
**Dimensione dell’immagine**
Massimo 35 GB. Per visualizzare le dimensioni della tua immagine, esegui `docker image ls`.
## File Docker di esempio
Il seguente file Docker di esempio crea un’immagine basata su Amazon Linux 2, installa pacchetti di terze parti e il kernel `python3` e imposta l'ambito dell’utente senza privilegi.
```
FROM public.ecr.aws/amazonlinux/amazonlinux:2
ARG NB_USER="sagemaker-user"
ARG NB_UID="1000"
ARG NB_GID="100"
RUN \
yum install --assumeyes python3 shadow-utils && \
useradd --create-home --shell /bin/bash --gid "${NB_GID}" --uid ${NB_UID} ${NB_USER} && \
yum clean all && \
jupyter-activity-monitor-extension \
python3 -m pip install ipykernel && \
python3 -m ipykernel install
USER ${NB_UID}
```
# Prerequisiti per le immagini personalizzate in Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
È necessario soddisfare i seguenti prerequisiti per portare il proprio contenitore da utilizzare con Amazon SageMaker Studio Classic.
+ L'applicazione Docker. Per informazioni sulla configurazione di Docker, consulta [Orientation and setup](https://docs.docker.com/get-started/).
+ Installa il AWS CLI seguendo la procedura descritta in [Guida introduttiva a](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started.html). AWS CLI
+ Una copia locale di ogni Dockerfile per creare un’immagine compatibile con Studio Classic. Per immagini personalizzate di esempio, consulta il repository di [esempi di immagini personalizzate SageMaker AI Studio Classic](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/).
+ Autorizzazioni per accedere al servizio Amazon Elastic Container Registry (Amazon ECR). Per ulteriori informazioni, consulta [Amazon ECR Managed Policies ](https://docs.aws.amazon.com/AmazonECR/latest/userguide/ecr_managed_policies.html).
+ Un ruolo di AWS Identity and Access Management esecuzione a cui è allegata la [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess)policy. Se hai effettuato l'onboarding nel dominio Amazon SageMaker AI, puoi ottenere il ruolo dalla sezione **Domain Summary** del pannello di controllo SageMaker AI.
+ Installa la CLI di creazione di immagini Studio Classic seguendo i passaggi di [SageMaker Docker](https://github.com/aws-samples/sagemaker-studio-image-build-cli) Build. Questa CLI consente di creare un Dockerfile utilizzando. AWS CodeBuild
# Aggiungi un'immagine Docker compatibile con Amazon SageMaker Studio Classic ad Amazon ECR
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Esegui le seguenti fasi per aggiungere un'immagine del container ad Amazon ECR:
+ Crea un repository Amazon ECR.
+ Effettua l'autenticazione su Amazon ECR.
+ Crea un’immagine Docker compatibile con Studio Classic.
+ Inserisci l'immagine nel repository Amazon ECR.
**Nota**
Il repository Amazon ECR deve trovarsi nello stesso spazio di Studio Regione AWS Classic.
**Per creare e aggiungere un'immagine da un container ad Amazon ECR**
1. Crea un repository in Amazon ECR tramite la AWS CLI. Per creare il repository utilizzando la console Amazon ECR, consulta la sezione [Creating a repository](https://docs.aws.amazon.com/AmazonECR/latest/userguide/repository-create.html).
```
aws ecr create-repository \
--repository-name smstudio-custom \
--image-scanning-configuration scanOnPush=true
```
Il risultato dovrebbe essere simile al seguente.
```
{
"repository": {
"repositoryArn": "arn:aws:ecr:us-east-2:acct-id:repository/smstudio-custom",
"registryId": "acct-id",
"repositoryName": "smstudio-custom",
"repositoryUri": "acct-id.dkr.ecr.us-east-2.amazonaws.com/smstudio-custom",
...
}
}
```
1. Crea il `Dockerfile` utilizzando la CLI di Studio Classic Image Build. Il punto (.) specifica che il file Docker deve trovarsi nel contesto del comando build. Questo comando crea l'immagine e carica l'immagine creata nel repository ECR. Quindi, genera l'URI dell'immagine.
```
sm-docker build . --repository smstudio-custom:custom
```
Il risultato dovrebbe essere simile al seguente.
```
Image URI: .dkr.ecr..amazonaws.com/
```
# Crea un' SageMaker immagine personalizzata per Amazon SageMaker Studio Classic
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Questo argomento descrive come creare un' SageMaker immagine personalizzata utilizzando la console SageMaker AI o. AWS CLI
Quando crei un'immagine dalla console, SageMaker AI crea anche una versione iniziale dell'immagine. Ogni versione dell’immagine rappresenta un'immagine del container presente in [Amazon Elastic Container Registry (ECR)](https://console.aws.amazon.com/ecr/). L'immagine del contenitore deve soddisfare i requisiti per essere utilizzata in Amazon SageMaker Studio Classic. Per ulteriori informazioni, consulta [Specifiche di SageMaker immagine personalizzate per Amazon SageMaker Studio Classic](studio-byoi-specs.md). Per informazioni su come testare l'immagine localmente e risolvere i problemi più comuni, consulta il repository [SageMaker Studio Classic Custom Image Samples](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/blob/main/DEVELOPMENT.md).
Dopo aver creato SageMaker l'immagine personalizzata, è necessario allegarla al dominio o allo spazio condiviso per utilizzarla con Studio Classic. Per ulteriori informazioni, consulta [Allega un' SageMaker immagine personalizzata in Amazon SageMaker Studio Classic](studio-byoi-attach.md).
## Crea un' SageMaker immagine dalla console
La sezione seguente mostra come creare un' SageMaker immagine personalizzata dalla console SageMaker AI.
**Come creare un’immagine**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel pannello di navigazione sinistro scegli **Configurazioni admin**.
1. In **Configurazioni admin**, scegli **Immagini**.
1. Nella pagina **Immagini personalizzate**, scegli **Crea immagine**.
1. In **Origine dell’immagine**, inserisci il percorso di registrazione dell'immagine del container in Amazon ECR. Il percorso si presenta nel formato seguente:
` acct-id.dkr.ecr.region.amazonaws.com/repo-name[:tag] or [@digest] `
1. Seleziona **Successivo**.
1. In **Proprietà dell’immagine**, inserisci quanto segue:
+ Nome immagine: il nome deve essere univoco per il tuo account nella Regione AWS corrente.
+ (Facoltativo) Nome visualizzato: il nome visualizzato nell’interfaccia utente di Studio Classic. Se non fornito, viene visualizzato `Image name`.
+ (Facoltativo) Descrizione: descrizione dell’immagine.
+ Ruolo IAM: al ruolo deve essere associata la [AmazonSageMakerFullAccess](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerFullAccess)policy. Usa il menu a discesa per selezionare una delle seguenti opzioni:
+ Crea un nuovo ruolo: specifica eventuali bucket Amazon Simple Storage Service (Amazon S3) a cui desideri che gli utenti dei tuoi notebook abbiano accesso. Se preferisci non consentire l'accesso ad altri bucket, scegli **Nessuno**.
SageMaker L'intelligenza artificiale associa la `AmazonSageMakerFullAccess` policy al ruolo. Il ruolo consente agli utenti dei tuoi notebook di accedere ai bucket S3 elencati accanto ai segni di spunta.
+ Inserisci un ARN personalizzato per il ruolo IAM: inserisci il nome della risorsa Amazon (ARN) del ruolo IAM.
+ Usa un ruolo esistente: scegli dell’elenco uno dei tuoi ruoli già esistenti.
+ (Facoltativo) Tagga l’immagine: scegli **Aggiungi nuovo tag**. Puoi aggiungere fino a 50 tag. I tag sono ricercabili utilizzando l'interfaccia utente di Studio Classic, la console SageMaker AI o l'`Search`API SageMaker AI.
1. Seleziona **Invia**.
La nuova immagine viene visualizzata nell'elenco **Immagini personalizzate** ed evidenziata per qualche secondo. Una volta che l'immagine è stata creata con successo, puoi scegliere il nome dell'immagine per visualizzarne le proprietà o scegliere **Crea versione** per crearne un'altra versione.
**Per creare un'altra versione dell'immagine**
1. Scegli **Crea versione** sulla stessa riga dell'immagine.
1. In **Origine dell’immagine**, inserisci il percorso di registrazione dell'immagine del container Amazon ECR. L'immagine del contenitore non deve essere la stessa immagine utilizzata in una versione precedente dell' SageMaker immagine.
## Crea un' SageMaker immagine da AWS CLI
Per creare SageMaker un'immagine dall'immagine del contenitore, effettuate le seguenti operazioni utilizzando il AWS CLI.
+ Creazione di `Image`.
+ Creazione di `ImageVersion`.
+ Creazione di un file di configurazione.
+ Creazione di `AppImageConfig`.
**Per creare le entità SageMaker dell'immagine**
1. Crea un' SageMaker immagine.
```
aws sagemaker create-image \
--image-name custom-image \
--role-arn arn:aws:iam:::role/service-role/
```
Il risultato dovrebbe essere simile al seguente.
```
{
"ImageArn": "arn:aws:sagemaker:us-east-2:acct-id:image/custom-image"
}
```
1. Crea una versione SageMaker dell'immagine dall'immagine del contenitore.
```
aws sagemaker create-image-version \
--image-name custom-image \
--base-image .dkr.ecr..amazonaws.com/smstudio-custom:custom-image
```
Il risultato dovrebbe essere simile al seguente.
```
{
"ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1"
}
```
1. Verifica che la versione dell'immagine sia stata creata correttamente.
```
aws sagemaker describe-image-version \
--image-name custom-image \
--version-number 1
```
Il risultato dovrebbe essere simile al seguente.
```
{
"ImageVersionArn": "arn:aws:sagemaker:us-east-2:acct-id:image-version/custom-image/1",
"ImageVersionStatus": "CREATED"
}
```
**Nota**
Se l’esito è `"ImageVersionStatus": "CREATED_FAILED"`, l’esito include anche il motivo dell'errore. Un problema di autorizzazioni è una causa di errore comune. Puoi anche controllare CloudWatch i log di Amazon se riscontri un errore durante l'avvio o l'esecuzione dell' KernelGateway app per un'immagine personalizzata. Il nome del gruppo di log è `/aws/sagemaker/studio`. Il nome del flusso di log è `$domainID/$userProfileName/KernelGateway/$appName`.
1. Creazione di un file di configurazione denominato `app-image-config-input.json`. Il `Name` valore di `KernelSpecs` deve corrispondere al nome del kernelSpec disponibile nell'immagine associata a questa `AppImageConfig`. Questo valore prevede la distinzione tra lettere maiuscole e minuscole. Puoi trovare i kernelSpec disponibili in un'immagine eseguendo `jupyter-kernelspec list` da una shell all'interno del container. `MountPath` è il percorso all'interno dell'immagine per montare la home directory Amazon Elastic File System (Amazon EFS). Deve essere diverso dal percorso che usi all'interno del container, perché quel percorso verrà sovrascritto una volta montata la tua home directory Amazon EFS.
**Nota**
Le combinazioni seguenti `DefaultUID` e `DefaultGID` sono gli unici valori accettati:
DefaultUID 1000 e DefaultGID 100
DefaultUID 0 e DefaultGID 0
```
{
"AppImageConfigName": "custom-image-config",
"KernelGatewayImageConfig": {
"KernelSpecs": [
{
"Name": "python3",
"DisplayName": "Python 3 (ipykernel)"
}
],
"FileSystemConfig": {
"MountPath": "/home/sagemaker-user",
"DefaultUid": 1000,
"DefaultGid": 100
}
}
}
```
1. Crea il file AppImageConfig utilizzando il file creato nel passaggio precedente.
```
aws sagemaker create-app-image-config \
--cli-input-json file://app-image-config-input.json
```
Il risultato dovrebbe essere simile al seguente.
```
{
"AppImageConfigArn": "arn:aws:sagemaker:us-east-2:acct-id:app-image-config/custom-image-config"
}
```
# Allega un' SageMaker immagine personalizzata in Amazon SageMaker Studio Classic
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Per utilizzare un' SageMaker immagine personalizzata, devi allegare una versione dell'immagine al tuo dominio o spazio condiviso. Quando alleghi una versione dell'immagine, questa viene visualizzata in SageMaker Studio Classic Launcher ed è disponibile nell'elenco a discesa **Seleziona immagine**, che gli utenti utilizzano per avviare un'attività o modificare l'immagine utilizzata da un taccuino.
Per rendere disponibile un' SageMaker immagine personalizzata a tutti gli utenti all'interno di un dominio, è necessario allegare l'immagine al dominio. Collegando un’immagine a uno spazio condiviso, la si rende disponibile a tutti gli utenti all'interno di quello spazio condiviso. Collegando un’immagine a un profilo utente, la si rende disponibile a quel singolo utente. Quando alleghi un'immagine, l' SageMaker IA utilizza la versione più recente dell'immagine per impostazione predefinita. È inoltre possibile collegare una versione specifica dell'immagine. Dopo aver allegato la versione, puoi scegliere la versione da SageMaker AI Launcher o dal selettore di immagini quando avvii un notebook.
Il numero di versioni dell’immagine che si possono collegare in un dato momento è limitato. Una volta raggiunto il limite, dovrai scollegare una versione per collegare un'altra versione dell'immagine.
Le sezioni seguenti mostrano come allegare un' SageMaker immagine personalizzata al tuo dominio utilizzando la console SageMaker AI o il. AWS CLI Puoi collegare un’immagine personalizzata a uno spazio condiviso solo utilizzando la AWS CLI.
## Allega l' SageMaker immagine a un dominio
### Allega l' SageMaker immagine utilizzando la console
Questo argomento descrive come allegare una versione di SageMaker immagine personalizzata esistente al dominio utilizzando il pannello di controllo SageMaker AI. Puoi anche creare un' SageMaker immagine e una versione dell'immagine personalizzate e quindi allegare quella versione al tuo dominio. Per conoscere la procedura per creare un'immagine e una versione dell'immagine, consulta [Crea un' SageMaker immagine personalizzata per Amazon SageMaker Studio Classic](studio-byoi-create.md).
**Per collegare un'immagine esistente**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Nella pagina **Domini**, seleziona il dominio a cui collegare l’immagine.
1. Dalla pagina **Dettagli del dominio**, seleziona la scheda **Ambiente**.
1. Nella scheda **Ambiente**, in **Immagini Custom SageMaker Studio Classic allegate al dominio**, scegli **Allega immagine**.
1. In **Origine dell’immagine**, scegli **Immagine esistente**.
1. Seleziona un’immagine esistente dall'elenco.
1. Seleziona una versione dell'immagine dall'elenco.
1. Seleziona **Successivo**.
1. Verifica i valori per **Nome dell’immagine**, **Nome visualizzato dell’immagine** e **Descrizione**.
1. Seleziona il ruolo IAM. Per ulteriori informazioni, consulta [Crea un' SageMaker immagine personalizzata per Amazon SageMaker Studio Classic](studio-byoi-create.md).
1. (Facoltativo) Aggiunta di tag all'immagine.
1. Specifica il percorso di montaggio EFS. Si tratta del percorso all'interno dell'immagine dove montare la directory principale Amazon Elastic File System (EFS) dell'utente.
1. Per **Tipo di immagine**, seleziona **Immagine da SageMaker Studio**
1. In **Nome kernel**, inserisci nell’immagine il nome di un kernel esistente. Per informazioni su come ottenere le informazioni sul kernel dall'immagine, vedete [SVILUPPO](https://github.com/aws-samples/sagemaker-studio-custom-image-samples/blob/main/DEVELOPMENT.md) nel repository SageMaker Studio Classic Custom Image Samples. Per ulteriori informazioni, consulta le sezioni **Kernel discovery** e **User data** di [Specifiche di SageMaker immagine personalizzate per Amazon SageMaker Studio Classic](studio-byoi-specs.md).
1. (Facoltativo) In **Nome di visualizzazione del kernel**, inserisci il nome visualizzato per il kernel.
1. Scegli **Aggiungi kernel**.
1. Seleziona **Invia**.
1. Attendi che la versione dell'immagine venga collegata al dominio. Una volta collegata, la versione viene visualizzata nella lista **Immagini personalizzate** ed evidenziata per qualche secondo.
### Allega l' SageMaker immagine usando il AWS CLI
Nelle sezioni seguenti viene illustrato come allegare SageMaker un'immagine personalizzata quando si crea un nuovo dominio o si aggiorna il dominio esistente utilizzando il AWS CLI.
#### Allega l' SageMaker immagine a un nuovo dominio
La sezione seguente mostra come creare un nuovo dominio collegandovi la versione dell’immagine. Queste fasi richiedono di specificare le informazioni sul cloud privato virtuale (VPC) di Amazon e sul ruolo di esecuzione, necessarie per creare il dominio. Per creare il dominio e allegare l' SageMaker immagine personalizzata, attenersi alla seguente procedura:
+ Ottieni l'ID VPC e la sottorete predefiniti. IDs
+ Crea il file di configurazione per il dominio, il quale specifica l'immagine.
+ Crea il dominio con il file di configurazione.
**Per aggiungere l' SageMaker immagine personalizzata al tuo dominio**
1. Ottieni l’ID del tuo VPC predefinito.
```
aws ec2 describe-vpcs \
--filters Name=isDefault,Values=true \
--query "Vpcs[0].VpcId" --output text
```
Il risultato dovrebbe essere simile al seguente.
```
vpc-xxxxxxxx
```
1. Ottieni la tua sottorete predefinita IDs utilizzando l'ID VPC del passaggio precedente.
```
aws ec2 describe-subnets \
--filters Name=vpc-id,Values= \
--query "Subnets[*].SubnetId" --output json
```
Il risultato dovrebbe essere simile al seguente.
```
[
"subnet-b55171dd",
"subnet-8a5f99c6",
"subnet-e88d1392"
]
```
1. Crea un file di configurazione denominato `create-domain-input.json`. Inserisci l'ID VPC, la sottorete IDs e `AppImageConfigName` dai passaggi precedenti. `ImageName` Poiché `ImageVersionNumber` non è specificato, si usa la versione più recente dell'immagine, che, in questo caso, è anche l'unica.
```
{
"DomainName": "domain-with-custom-image",
"VpcId": "",
"SubnetIds": [
""
],
"DefaultUserSettings": {
"ExecutionRole": "",
"KernelGatewayAppSettings": {
"CustomImages": [
{
"ImageName": "custom-image",
"AppImageConfigName": "custom-image-config"
}
]
}
},
"AuthMode": "IAM"
}
```
1. Crea il dominio con l'immagine personalizzata SageMaker allegata.
```
aws sagemaker create-domain \
--cli-input-json file://create-domain-input.json
```
Il risultato dovrebbe essere simile al seguente.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx",
"Url": "https://d-xxxxxxxxxxxx.studio.us-east-2.sagemaker.aws/..."
}
```
#### Allega l' SageMaker immagine al tuo dominio attuale
Se hai effettuato l'onboarding a un dominio SageMaker AI, puoi allegare l'immagine personalizzata al tuo dominio attuale. Per ulteriori informazioni sull'onboarding in un dominio SageMaker AI, consulta. [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md) Non è necessario specificare le informazioni sul VPC e sul ruolo di esecuzione per collegare un'immagine personalizzata al tuo dominio corrente. Dopo aver collegato la versione, devi eliminare tutte le app all’interno del dominio e riaprire Studio Classic. Per informazioni su come eliminare le app, consulta [Eliminare un dominio Amazon SageMaker AI](gs-studio-delete-domain.md).
Per aggiungere l' SageMaker immagine al dominio corrente, procedi nel seguente modo.
+ Scaricala `DomainID` dal pannello di controllo SageMaker AI.
+ Usa il `DomainID` per ottenere `DefaultUserSettings` per il dominio.
+ Aggiungi `ImageName` e `AppImageConfig` come `CustomImage` a `DefaultUserSettings`.
+ Aggiornamento del tuo dominio per includere l'immagine personalizzata.
**Per aggiungere l' SageMaker immagine personalizzata al tuo dominio**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Nella pagina **Domini**, seleziona il dominio a cui collegare l’immagine.
1. Dalla pagina **Dettagli del dominio**, seleziona la scheda **Impostazioni del dominio**.
1. Nella scheda **Impostazioni del dominio**, in **Impostazioni generali**, trova `DomainId`. L'ID è nel formato seguente: `d-xxxxxxxxxxxx`.
1. Utilizza l'ID del dominio per generare la descrizione del dominio.
```
aws sagemaker describe-domain \
--domain-id
```
Il risultato dovrebbe essere simile al seguente.
```
{
"DomainId": "d-xxxxxxxxxxxx",
"DefaultUserSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
],
...
}
}
}
```
1. Salva la sezione delle impostazioni utente predefinite del risultato in un file denominato `default-user-settings.json`.
1. Inserisci `ImageName` e `AppImageConfigName` dalle fasi precedenti come immagine personalizzata. Poiché `ImageVersionNumber` non è specificato, si usa la versione più recente dell'immagine, che, in questo caso, è anche l'unica.
```
{
"DefaultUserSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
{
"ImageName": "string",
"AppImageConfigName": "string"
}
],
...
}
}
}
```
1. Utilizza l'ID del dominio e il file delle impostazioni utente predefinite per aggiornare il dominio.
```
aws sagemaker update-domain \
--domain-id \
--cli-input-json file://default-user-settings.json
```
Il risultato dovrebbe essere simile al seguente.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx"
}
```
## Allega l' SageMaker immagine a uno spazio condiviso
È possibile allegare l' SageMaker immagine a uno spazio condiviso solo utilizzando AWS CLI. Dopo aver collegato la versione, devi eliminare tutte le applicazioni all’interno del tuo spazio condiviso e riaprire Studio Classic. Per informazioni su come eliminare le app, consulta [Eliminare un dominio Amazon SageMaker AI](gs-studio-delete-domain.md).
Per aggiungere l' SageMaker immagine a uno spazio condiviso, si eseguono le seguenti operazioni.
+ Scaricala `DomainID` dal pannello di controllo SageMaker AI.
+ Usa il `DomainID` per ottenere `DefaultSpaceSettings` per il dominio.
+ Aggiungi `ImageName` e `AppImageConfig` come `CustomImage` a `DefaultSpaceSettings`.
+ Aggiornamento del tuo dominio per includere l'immagine personalizzata per lo spazio condiviso.
**Per aggiungere l' SageMaker immagine personalizzata al tuo spazio condiviso**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Nella pagina **Domini**, seleziona il dominio a cui collegare l’immagine.
1. Dalla pagina **Dettagli del dominio**, seleziona la scheda **Impostazioni del dominio**.
1. Nella scheda **Impostazioni del dominio**, in **Impostazioni generali**, trova `DomainId`. L'ID è nel formato seguente: `d-xxxxxxxxxxxx`.
1. Utilizza l'ID del dominio per generare la descrizione del dominio.
```
aws sagemaker describe-domain \
--domain-id
```
Il risultato dovrebbe essere simile al seguente.
```
{
"DomainId": "d-xxxxxxxxxxxx",
...
"DefaultSpaceSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
],
...
}
}
}
```
1. Salva la sezione delle impostazioni spazio predefinite che visualizzi nel risultato in un file denominato `default-space-settings.json`.
1. Inserisci `ImageName` e `AppImageConfigName` dalle fasi precedenti come immagine personalizzata. Poiché `ImageVersionNumber` non è specificato, si usa la versione più recente dell'immagine, che, in questo caso, è anche l'unica.
```
{
"DefaultSpaceSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
{
"ImageName": "string",
"AppImageConfigName": "string"
}
],
...
}
}
}
```
1. Utilizza l'ID del dominio e il file delle impostazioni spazio predefinite per aggiornare il dominio.
```
aws sagemaker update-domain \
--domain-id \
--cli-input-json file://default-space-settings.json
```
Il risultato dovrebbe essere simile al seguente.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx"
}
```
## Visualizza l'immagine allegata in SageMaker AI
Dopo aver creato l' SageMaker immagine personalizzata e averla associata al dominio, l'immagine viene visualizzata nella scheda **Ambiente** del dominio. È possibile visualizzare solo le immagini allegate per gli spazi condivisi AWS CLI utilizzando il comando seguente.
```
aws sagemaker describe-domain \
--domain-id
```
# Avvio di un' SageMaker immagine personalizzata in Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Dopo aver creato SageMaker l'immagine personalizzata e averla associata al dominio o allo spazio condiviso, l'immagine e il kernel personalizzati vengono visualizzati nei selettori della finestra di dialogo **Cambia ambiente** di Studio Classic Launcher.
**Per avviare e selezionare la propria immagine personalizzata e il kernel**
1. In Amazon SageMaker Studio Classic, apri il Launcher. Per aprire il Launcher, scegli **Amazon SageMaker Studio Classic** in alto a sinistra dell'interfaccia di Studio Classic o usa la scorciatoia `Ctrl + Shift + L` da tastiera.
Per informazioni sulle modalità di apertura dell’utilità di avvio disponibili, consulta [Usa Amazon SageMaker Studio Classic Launcher](studio-launcher.md)
![\[SageMaker Launcher di Studio Classic.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/studio-new-launcher.png)
1. Nell’utilità di avvio, nella sezione **Notebooks and compute resources**, scegli **Cambia ambiente**.
1. Nella finestra di dialogo **Cambia ambiente**, usa i menu a discesa per selezionare la tua **immagine** dalla sezione **Immagine personalizzata** e il tuo **kernel**, quindi scegli **Seleziona**.
1. Nell’utilità di avvio, scegli **Crea notebook** o **Open image terminal**. Il notebook o il terminale si avvia nell'immagine personalizzata e nel kernel selezionati.
Per modificare l'immagine o il kernel in un notebook aperto, consulta [Modifica dell'immagine o di un kernel per un notebook Amazon SageMaker Studio Classic](notebooks-run-and-manage-change-image.md).
**Nota**
Se riscontri un errore durante l'avvio dell'immagine, controlla i CloudWatch log di Amazon. Il nome del gruppo di log è `/aws/sagemaker/studio`. Il nome del flusso di log è `$domainID/$userProfileName/KernelGateway/$appName`.
# Risorse di pulizia per immagini personalizzate in Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Le sezioni seguenti mostrano come ripulire le risorse create nelle sezioni precedenti dalla console SageMaker AI o. AWS CLI Per pulire le risorse, procedi come segue:
+ Scollega l'immagine e le relative versioni dal tuo dominio.
+ Elimina l'immagine, la versione dell'immagine e la configurazione dell'immagine nell'app.
+ Elimina l'immagine e il repository del container da Amazon ECR. Per ulteriori informazioni, consulta [Deleting a repository](https://docs.aws.amazon.com/AmazonECR/latest/userguide/repository-delete.html).
## Pulisci le risorse dalla console SageMaker AI
La sezione seguente mostra come pulire le risorse dalla console SageMaker AI.
Quando si scollega un'immagine da un dominio, vengono scollegate anche tutte le versioni dell'immagine. Quando un'immagine viene scollegata, tutti gli utenti del dominio perdono l'accesso alle versioni dell'immagine. Un notebook in esecuzione che ha una sessione del kernel su una versione dell’immagine continua a funzionare anche quando questa viene scollegata. Quando il notebook viene interrotto o il kernel viene arrestato, la versione dell'immagine non risulta più disponibile.
**Per scollegare un'immagine**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel pannello di navigazione sinistro scegli **Configurazioni admin**.
1. In **Configurazioni admin**, scegli **Immagini**.
1. In **Immagini Custom SageMaker Studio Classic allegate al dominio**, scegli l'immagine, quindi scegli **Scollega.**
1. (Facoltativo) Per eliminare l'immagine e tutte le versioni da SageMaker AI, seleziona **Elimina anche le immagini selezionate**... . Questa azione non elimina le immagini del container associate da Amazon ECR.
1. Seleziona **Scollega**.
## Ripulisci le risorse di AWS CLI
La sezione seguente mostra come pulire risorse da AWS CLI.
**Per eliminare le risorse**
1. Scollega l'immagine e le versioni delle immagini dal tuo dominio inoltrando al dominio un elenco di immagini personalizzate vuoto. Apri il file `default-user-settings.json` creato in [Allega l' SageMaker immagine al tuo dominio attuale](studio-byoi-attach.md#studio-byoi-sdk-attach-current-domain). Per scollegare l'immagine e la versione dell'immagine da uno spazio condiviso, apri il file `default-space-settings.json`.
1. Elimina le immagini personalizzate e quindi salva il file.
```
"DefaultUserSettings": {
"KernelGatewayAppSettings": {
"CustomImages": [
],
...
},
...
}
```
1. Utilizza l'ID del dominio e il file delle impostazioni utente predefinite per aggiornare il dominio. Utilizza il file delle impostazioni dello spazio predefinito per aggiornare lo spazio condiviso.
```
aws sagemaker update-domain \
--domain-id \
--cli-input-json file://default-user-settings.json
```
Il risultato dovrebbe essere simile al seguente.
```
{
"DomainArn": "arn:aws:sagemaker:us-east-2:acct-id:domain/d-xxxxxxxxxxxx"
}
```
1. Elimina la configurazione dell'immagine dell'app.
```
aws sagemaker delete-app-image-config \
--app-image-config-name custom-image-config
```
1. Eliminare l' SageMaker immagine, eliminando anche tutte le versioni dell'immagine. Le immagini dei container in ECR rappresentate dalle versioni delle immagini non vengono eliminate.
```
aws sagemaker delete-image \
--image-name custom-image
```
# Usa le configurazioni del ciclo di vita per personalizzare Amazon Studio Classic SageMaker
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Amazon SageMaker Studio Classic attiva gli script della shell di configurazione del ciclo di vita durante importanti eventi del ciclo di vita, 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. Questa personalizzazione include l'installazione di pacchetti personalizzati, la configurazione delle estensioni dei notebook, il precaricamento di set di dati e la configurazione di repository di codice sorgente.
Le configurazioni del ciclo di vita ti offrono la flessibilità e il controllo necessari per configurare Studio Classic in base alle tue esigenze specifiche. Ad esempio, puoi utilizzare immagini del container personalizzate con script di configurazione del ciclo di vita per modificare l’ambiente. Crea prima di tutto un set minimo di immagini del container di base, quindi installa i pacchetti e le librerie utilizzati più di frequente in tali immagini. Dopo aver completato le immagini, utilizza le configurazioni del ciclo di vita per installare pacchetti aggiuntivi per casi d’uso specifici. Questa procedura offre la flessibilità necessaria per modificare l’ambiente nei vari team di data science e machine learning in base alle loro esigenze specifiche.
Gli utenti possono selezionare solo gli script di configurazione del ciclo di vita a cui hanno accesso. Sebbene sia possibile consentire l’accesso a più script di configurazione del ciclo di vita, puoi anche scegliere di impostare script di configurazione del ciclo di vita predefiniti per le risorse. A seconda della risorsa per cui è impostata la configurazione del ciclo di vita predefinita, l’opzione predefinita viene eseguita automaticamente oppure viene mostrata per prima.
[Per esempi di script di configurazione del ciclo di vita, consulta l'archivio di esempi di Studio Classic Lifecycle Configuration. GitHub ](https://github.com/aws-samples/sagemaker-studio-lifecycle-config-examples) Per un blog sull'implementazione della configurazione del ciclo di vita, consulta Personalizza [Amazon SageMaker Studio Classic usando le configurazioni del ciclo di vita](https://aws.amazon.com/blogs/machine-learning/customize-amazon-sagemaker-studio-using-lifecycle-configurations/).
**Nota**
Ogni script ha un limite di **16.384 caratteri**.
**Topics**
+ [Crea e associa una configurazione del ciclo di vita con Amazon Studio Classic SageMaker](studio-lcc-create.md)
+ [Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker](studio-lcc-defaults.md)
+ [Configurazioni del ciclo di vita di debug in Amazon Studio Classic SageMaker](studio-lcc-debug.md)
+ [Aggiorna e scollega le configurazioni del ciclo di vita in Amazon Studio Classic SageMaker](studio-lcc-delete.md)
# Crea e associa una configurazione del ciclo di vita con Amazon Studio Classic SageMaker
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Amazon SageMaker AI fornisce applicazioni interattive che abilitano l'interfaccia visiva, la creazione di codice e l'esperienza di esecuzione di Studio Classic. Questa serie mostra come creare una configurazione del ciclo di vita e associarla a un SageMaker dominio AI.
I tipi di applicazione possono essere `JupyterServer` o `KernelGateway`.
+ **Applicazioni `JupyterServer`:** questo tipo di applicazioni consente l’accesso all’interfaccia visiva di Studio Classic. Ogni utente e spazio condiviso in Studio Classic dispone della propria applicazione. JupyterServer
+ **Applicazioni `KernelGateway`:** questo tipo di applicazioni consente l’accesso all’ambiente di esecuzione del codice e ai kernel per i notebook e i terminali Studio Classic. Per ulteriori informazioni, consulta [Jupyter Kernel Gateway](https://jupyter-kernel-gateway.readthedocs.io/en/latest/).
Per ulteriori informazioni sull'architettura di Studio Classic e sulle applicazioni Studio Classic, consulta [Usare Amazon SageMaker Studio Classic Notebooks](https://docs.aws.amazon.com/sagemaker/latest/dg/notebooks.html).
**Topics**
+ [Crea una configurazione del ciclo di vita da per AWS CLI Amazon Studio Classic SageMaker](studio-lcc-create-cli.md)
+ [Crea una configurazione del ciclo di vita dalla console SageMaker AI per Amazon Studio Classic SageMaker](studio-lcc-create-console.md)
# Crea una configurazione del ciclo di vita da per AWS CLI Amazon Studio Classic SageMaker
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
L'argomento seguente mostra come creare una configurazione del ciclo di vita utilizzando AWS CLI per automatizzare la personalizzazione dell'ambiente Studio Classic.
## Prerequisiti
Prima di iniziare, completa i seguenti prerequisiti:
+ AWS CLI Aggiornate il file seguendo la procedura descritta in [Installazione](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv1.html#install-tool-bundled) della versione corrente. AWS CLI
+ Dal computer locale, esegui `aws configure` e inserisci le tue credenziali AWS . Per informazioni sulle AWS credenziali, consulta [Comprendere e ottenere le AWS credenziali](https://docs.aws.amazon.com/general/latest/gr/aws-sec-cred-types.html).
+ Effettua l'accesso al dominio SageMaker AI seguendo i passaggi indicati. [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md)
## Fase 1: creazione di una configurazione del ciclo di vita
La procedura seguente mostra come creare uno script di configurazione del ciclo di vita che stampa `Hello World`.
**Nota**
Ogni script può contenere un massimo di **16.384 caratteri.**
1. Dal tuo computer locale, crea un file locale denominato `my-script.sh` con il seguente contenuto.
```
#!/bin/bash
set -eux
echo 'Hello World!'
```
1. Converti il file `my-script.sh` in formato base64. Questo requisito previene gli errori dovuti alla codifica della spaziatura e delle interruzioni di riga.
```
LCC_CONTENT=`openssl base64 -A -in my-script.sh`
```
1. Creazione di una configurazione del ciclo di vita da utilizzare con Studio Classic. Il comando seguente crea una configurazione del ciclo di vita che viene eseguita all'avvio di un'applicazione `KernelGateway` associata.
```
aws sagemaker create-studio-lifecycle-config \
--region region \
--studio-lifecycle-config-name my-studio-lcc \
--studio-lifecycle-config-content $LCC_CONTENT \
--studio-lifecycle-config-app-type KernelGateway
```
Prendi nota dell'ARN (nome della risorsa Amazon) della configurazione del ciclo di vita appena creata che viene restituito. L’ARN è richiesto per collegare la configurazione del ciclo di vita all'applicazione.
## Fase 2: collegamento della configurazione del ciclo di vita al proprio dominio, profilo utente o spazio condiviso
Per collegare la configurazione del ciclo di vita, devi aggiornare `UserSettings` del tuo dominio o profilo utente o `SpaceSettings` per uno spazio condiviso. Gli script di configurazione del ciclo di vita associati a livello di dominio vengono ereditati da tutti gli utenti. Tuttavia, gli script associati a livello di profilo utente sono limitati a un utente specifico, mentre gli script associati a livello di spazio condiviso sono limitati allo spazio condiviso.
Nell'esempio seguente viene illustrato come creare un nuovo profilo utente con la configurazione del ciclo di vita collegata. Puoi anche creare un nuovo dominio o spazio con una configurazione del ciclo di vita collegata utilizzando rispettivamente i comandi [create-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-domain.html) e [create-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-space.html).
Aggiungi l'ARN della configurazione del ciclo di vita della fase precedente alle impostazioni del tipo di app appropriato. Ad esempio, inseriscilo in `JupyterServerAppSettings` dell'utente. Puoi aggiungere più configurazioni del ciclo di vita contemporaneamente inoltrando un elenco di configurazioni del ciclo di vita. Quando un utente avvia un' JupyterServer applicazione con il AWS CLI, può passare una configurazione del ciclo di vita da utilizzare al posto di quella predefinita. La configurazione del ciclo di vita inoltrata dall'utente deve appartenere all'elenco delle configurazioni del ciclo di vita in `JupyterServerAppSettings`.
```
# Create a new UserProfile
aws sagemaker create-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"JupyterServerAppSettings": {
"LifecycleConfigArns":
[lifecycle-configuration-arn-list]
}
}'
```
Nell'esempio seguente viene illustrato come aggiornare uno spazio condiviso esistente per collegare la configurazione del ciclo di vita. [È inoltre possibile aggiornare un dominio o un profilo utente esistente con una configurazione del ciclo di vita allegata utilizzando il comando update-domain o. [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html)](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html) Quando aggiorni l'elenco delle configurazioni del ciclo di vita collegate, devi inoltrare tutte le configurazioni del ciclo di vita come parte dell'elenco. Se una configurazione del ciclo di vita non fa parte di questo elenco, non verrà collegata all'applicazione.
```
aws sagemaker update-space --domain-id domain-id \
--space-name space-name \
--region region \
--space-settings '{
"JupyterServerAppSettings": {
"LifecycleConfigArns":
[lifecycle-configuration-arn-list]
}
}'
```
Per informazioni sull'impostazione di una configurazione del ciclo di vita predefinita per una risorsa, consulta [Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker](studio-lcc-defaults.md).
## Fase 3: avvio dell'applicazione con configurazione del ciclo di vita
Dopo aver collegato una configurazione del ciclo di vita a un dominio, un profilo utente o uno spazio, l'utente può selezionarla all'avvio di un'applicazione con la AWS CLI. Questa sezione spiega come avviare un'applicazione con una configurazione del ciclo di vita collegata. Per informazioni sulla modifica della configurazione del ciclo di vita predefinita dopo l'avvio di un'applicazione, vedere. JupyterServer [Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker](studio-lcc-defaults.md)
Avvia il tipo di applicazione desiderato utilizzando il comando `create-app` e specifica l'ARN della configurazione del ciclo di vita nell'argomento `resource-spec`.
+ L'esempio seguente mostra come creare un’applicazione `JupyterServer` con una configurazione del ciclo di vita associata. Quando crei il `JupyterServer`, il `app-name` deve essere `default`. La configurazione del ciclo di vita ARN passata come parte del `resource-spec` parametro deve far parte dell'elenco delle configurazioni del ciclo di vita ARNs specificate in `UserSettings` per il dominio o il profilo utente o per uno spazio condiviso. `SpaceSettings`
```
aws sagemaker create-app --domain-id domain-id \
--region region \
--user-profile-name user-profile-name \
--app-type JupyterServer \
--resource-spec LifecycleConfigArn=lifecycle-configuration-arn \
--app-name default
```
+ L'esempio seguente mostra come creare un’applicazione `KernelGateway` con una configurazione del ciclo di vita associata.
```
aws sagemaker create-app --domain-id domain-id \
--region region \
--user-profile-name user-profile-name \
--app-type KernelGateway \
--resource-spec LifecycleConfigArn=lifecycle-configuration-arn,SageMakerImageArn=sagemaker-image-arn,InstanceType=instance-type \
--app-name app-name
```
# Crea una configurazione del ciclo di vita dalla console SageMaker AI per Amazon Studio Classic SageMaker
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
L'argomento seguente mostra come creare una configurazione del ciclo di vita dalla console Amazon SageMaker AI per automatizzare la personalizzazione per il tuo ambiente Studio Classic.
## Prerequisiti
Prima di procedere con questo tutorial, completa i prerequisiti descritti di seguito:
+ Effettua il login su Amazon SageMaker Studio Classic. Per ulteriori informazioni, consulta [Onboard to Amazon SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-onboard.html).
## Fase 1: creazione di una nuova configurazione del ciclo di vita
Puoi creare una configurazione del ciclo di vita inserendo uno script dalla console Amazon SageMaker AI.
**Nota**
Ogni script può contenere un massimo di **16.384 caratteri.**
La procedura seguente mostra come creare uno script di configurazione del ciclo di vita che stampa `Hello World`.
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel pannello di navigazione sinistro scegli **Configurazioni admin**.
1. In **Configurazioni admin**, scegli **Configurazioni del ciclo di vita**.
1. Scegli la scheda **Studio**.
1. Scegli **Crea configurazione**.
1. In **Seleziona il tipo di configurazione**, seleziona il tipo di applicazione a cui collegare la configurazione del ciclo di vita. Per ulteriori informazioni sulla scelta dell'applicazione a cui collegare la configurazione del ciclo di vita, consulta [Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker](studio-lcc-defaults.md).
1. Scegli **Next (Successivo)**.
1. Nella sezione denominata **Impostazioni di configurazione**, inserisci un nome per la configurazione del ciclo di vita.
1. Nella sezione **Script**, inserisci il seguente contenuto.
```
#!/bin/bash
set -eux
echo 'Hello World!'
```
1. (Facoltativo) Crea un tag per la configurazione del ciclo di vita.
1. Seleziona **Invia**.
## Fase 2: collegamento della configurazione del ciclo di vita al un dominio o a un profilo utente
Gli script di configurazione del ciclo di vita associati a livello di dominio vengono ereditati da tutti gli utenti. Tuttavia, gli script associati a livello di profilo utente sono limitati a un utente specifico.
Puoi collegare più configurazioni del ciclo di vita a un dominio o a un profilo utente per entrambe le JupyterServer applicazioni. KernelGateway
**Nota**
Per collegare una configurazione del ciclo di vita a uno spazio condiviso, è necessario utilizzare la AWS CLI. Per ulteriori informazioni, consulta [Crea una configurazione del ciclo di vita da per AWS CLI Amazon Studio Classic SageMaker](studio-lcc-create-cli.md).
Le sezioni seguenti spiegano come collegare una configurazione del ciclo di vita al proprio dominio o profilo utente.
### Collegamento a un dominio
Di seguito viene illustrato come collegare una configurazione del ciclo di vita al dominio esistente dalla console AI. SageMaker
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Dall’elenco di domini, seleziona il dominio a cui collegare la configurazione del ciclo di vita.
1. Da **Dettagli del dominio**, seleziona la scheda **Ambiente**.
1. In **Configurazioni del ciclo di vita per app Studio personali**, scegli **Collega**.
1. In **Origine**, scegli **Configurazione esistente**.
1. In **Configurazioni del ciclo di vita in Studio**, seleziona la configurazione del ciclo di vita creata nella fase precedente.
1. Seleziona **Collega al dominio**.
### Collegamento al proprio profilo utente
Di seguito viene illustrato come collegare una configurazione del ciclo di vita al proprio profilo utente esistente.
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Dall’elenco di domini, seleziona il dominio che contiene il profilo utente a cui collegare la configurazione del ciclo di vita.
1. In **Profili utente**, seleziona il profilo utente.
1. Nella pagina **Dettagli utente** seleziona **Modifica**.
1. Nella barra di navigazione a sinistra, scegli **Impostazioni di Studio**.
1. In **Configurazioni del ciclo di vita collegate all'utente**, scegli **Collega**.
1. In **Origine**, scegli **Configurazione esistente**.
1. In **Configurazioni del ciclo di vita in Studio**, seleziona la configurazione del ciclo di vita creata nella fase precedente.
1. Seleziona **Collega al profilo utente**.
## Fase 3: avvio di un’applicazione con la configurazione del ciclo di vita
Dopo aver collegato una configurazione del ciclo di vita a un dominio o a un profilo utente, puoi avviare un'applicazione con quella configurazione del ciclo di vita collegata. La scelta della configurazione del ciclo di vita da avviare dipende dal tipo di applicazione.
+ **JupyterServer**: Quando avvia un' JupyterServerapplicazione dalla console, l' SageMaker intelligenza artificiale utilizza sempre la configurazione predefinita del ciclo di vita. Non è possibile utilizzare una configurazione del ciclo di vita diversa quando si avvia dalla console. Per informazioni sulla modifica della configurazione del ciclo di vita predefinita dopo l'avvio di un'applicazione, consulta. JupyterServer [Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker](studio-lcc-defaults.md)
Per selezionare un’altra configurazione del ciclo di vita collegata, devi eseguire l’avvio con AWS CLI. Per ulteriori informazioni sull'avvio di un' JupyterServer applicazione con una configurazione del ciclo di vita associata da, vedere. AWS CLI[Crea una configurazione del ciclo di vita da per AWS CLI Amazon Studio Classic SageMaker](studio-lcc-create-cli.md)
+ **KernelGateway**: È possibile selezionare una qualsiasi delle configurazioni del ciclo di vita allegate all'avvio di un' KernelGateway applicazione utilizzando Studio Classic Launcher.
La procedura seguente descrive come avviare un' KernelGateway applicazione con una configurazione del ciclo di vita collegata dalla console AI. SageMaker
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Avvia Studio Classic. Per ulteriori informazioni, consulta [Avvia Amazon SageMaker Studio Classic](studio-launch.md).
1. Nell’interfaccia utente di Studio Classic, apri l’utilità di avvio di Studio Classic. Per ulteriori informazioni, consulta [Usa Amazon SageMaker Studio Classic Launcher](studio-launcher.md).
1. Nell’utilità di avvio di Studio Classic, vai alla sezione **Notebook e risorse di calcolo**.
1. Fai clic sul tasto **Cambia ambiente**.
1. Nella finestra di dialogo **Cambia ambiente**, usa i menu a discesa per selezionare **immagine**, **kernel**, **tipo di istanza** e **script di avvio**. Se non esiste una configurazione predefinita del ciclo di vita, il valore dello **script di avvio** predefinito è `No script`. Altrimenti, il valore dello **script di avvio** è la configurazione del ciclo di vita predefinita. Dopo aver selezionato una configurazione del ciclo di vita, puoi visualizzare l'intero script.
1. Fai clic su **Seleziona**.
1. Tornando all’utilità di avvio, fai clic su **Crea notebook** per avviare un nuovo kernel del notebook con l'immagine e la configurazione del ciclo di vita selezionate.
## Fase 4: visualizzazione dei log di una configurazione del ciclo di vita
Puoi visualizzare i log relativi alla configurazione del ciclo di vita dopo averla collegata a un dominio o a un profilo utente.
1. Innanzitutto, fornisci l'accesso CloudWatch al tuo ruolo AWS Identity and Access Management (IAM). Aggiungi le autorizzazioni di lettura per i seguenti gruppo di log e flusso di log.
+ **Gruppo di log:**`/aws/sagemaker/studio`
+ **Flusso di log:**`domain/user-profile/app-type/app-name/LifecycleConfigOnStart`
Per informazioni sull'aggiunta di autorizzazioni, consulta [Abilitazione della registrazione da determinati AWS servizi](https://docs.aws.amazon.com/AmazonCloudWatch/latest/logs/AWS-logs-and-resource-policy.html).
1. Da Studio Classic, vai all’icona **Terminali e kernel in esecuzione** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/icons/running-terminals-kernels.png)) per monitorare la configurazione del ciclo di vita.
1. Seleziona un'applicazione dall'elenco delle applicazioni in esecuzione. Le applicazioni con configurazioni del ciclo di vita collegate hanno un'icona indicatore ![\[Code brackets symbol representing programming or markup languages.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/studio-lcc-indicator-icon.png)collegata.
1. Seleziona l'icona indicatore per la tua applicazione. Si aprirà un nuovo pannello su cui verrà visualizzata la configurazione del ciclo di vita.
1. Dal nuovo pannello, seleziona `View logs`. Si aprirà una nuova scheda su cui verranno visualizzati i log.
# Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Sebbene sia possibile allegare più script di configurazione del ciclo di vita a una singola risorsa, è possibile impostare solo una configurazione del ciclo di vita predefinita per ciascuna applicazione. JupyterServer KernelGateway Il comportamento della configurazione del ciclo di vita predefinita dipende dal fatto che sia impostata per o app. JupyterServer KernelGateway
+ **JupyterServer app:** se impostato come script di configurazione del ciclo di vita predefinito per JupyterServer le app, lo script di configurazione del ciclo di vita viene eseguito automaticamente quando l'utente accede a Studio Classic per la prima volta o riavvia Studio Classic. Utilizza questa configurazione predefinita del ciclo di vita per automatizzare le azioni di configurazione una tantum per l'ambiente di sviluppo Studio Classic, come l'installazione di estensioni per notebook o la configurazione di un repository. GitHub Per un esempio di ciò, consulta [Personalizzare Amazon SageMaker Studio utilizzando le configurazioni del ciclo](https://aws.amazon.com/blogs/machine-learning/customize-amazon-sagemaker-studio-using-lifecycle-configurations/) di vita.
+ **KernelGateway app:** se impostato come script di configurazione del ciclo di vita predefinito per KernelGateway le app, la configurazione del ciclo di vita viene selezionata per impostazione predefinita nel launcher di Studio Classic. Gli utenti possono avviare un notebook o un terminale con lo script predefinito selezionato oppure selezionarne uno diverso dall'elenco delle configurazioni del ciclo di vita.
SageMaker L'intelligenza artificiale supporta l'impostazione di una configurazione del ciclo di vita predefinita per le seguenti risorse:
+ Domini
+ Profili utente
+ Spazi condivisi
Sebbene i domini e i profili utente supportino l'impostazione di una configurazione del ciclo di vita predefinita sia dalla console Amazon SageMaker AI che dagli spazi condivisi supportano solo l'impostazione di una configurazione del ciclo di vita predefinita da. AWS Command Line Interface AWS CLI
Puoi impostare una configurazione del ciclo di vita come predefinita quando crei una nuova risorsa o aggiorni una risorsa esistente. I seguenti argomenti mostrano come impostare una configurazione del ciclo di vita predefinita utilizzando la console AI e. SageMaker AWS CLI
## Ereditarietà della configurazione del ciclo di vita
Le configurazioni del ciclo di vita predefinite impostate a livello di *dominio* vengono ereditate da tutti gli utenti e da tutti gli spazi condivisi. Le configurazioni del ciclo di vita predefinite impostate a livello di *utente* e *spazio condiviso* sono limitate a quell'utente o a quello spazio condiviso. Le impostazioni predefinite per utente e spazio hanno la precedenza su quelle impostate a livello di dominio.
Un set di configurazione KernelGateway del ciclo di vita predefinito per un dominio si applica a tutte le KernelGateway applicazioni avviate nel dominio. A meno che l’utente non selezioni una configurazione del ciclo di vita diversa dall’elenco presente nell’utilità di avvio di Studio Classic, viene applicata la configurazione del ciclo di vita predefinita. Lo script predefinito viene eseguito anche se `No Script` è selezionato dall'utente. Per ulteriori informazioni su come selezionare uno script, consulta [Fase 3: avvio di un’applicazione con la configurazione del ciclo di vita](studio-lcc-create-console.md#studio-lcc-create-console-step3).
**Topics**
+ [Ereditarietà della configurazione del ciclo di vita](#studio-lcc-defaults-inheritance)
+ [Imposta i valori predefiniti da per AWS CLI Amazon Studio Classic SageMaker](studio-lcc-defaults-cli.md)
+ [Imposta i valori predefiniti dalla console SageMaker AI per Amazon Studio Classic SageMaker](studio-lcc-defaults-console.md)
# Imposta i valori predefiniti da per AWS CLI Amazon Studio Classic SageMaker
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
È possibile impostare gli script di configurazione del ciclo di vita predefiniti dalle seguenti AWS CLI risorse:
+ Domini
+ Profili utente
+ Spazi condivisi
Le sezioni seguenti spiegano come impostare gli script di configurazione del ciclo di vita predefiniti dalla AWS CLI.
**Topics**
+ [Prerequisiti](#studio-lcc-defaults-cli-prereq)
+ [Impostazione di una configurazione del ciclo di vita predefinita quando si crea una nuova risorsa](#studio-lcc-defaults-cli-new)
+ [Impostazione di una configurazione del ciclo di vita predefinita per una risorsa esistente](#studio-lcc-defaults-cli-existing)
## Prerequisiti
Prima di iniziare, completa i seguenti prerequisiti:
+ AWS CLI Aggiornate il file seguendo la procedura descritta in [Installazione della](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv1.html#install-tool-bundled) versione corrente. AWS CLI
+ Dal computer locale, esegui `aws configure` e inserisci le tue credenziali AWS . Per informazioni sulle AWS credenziali, consulta [Comprendere e ottenere le AWS credenziali](https://docs.aws.amazon.com/general/latest/gr/aws-sec-cred-types.html).
+ Effettua l'accesso al dominio SageMaker AI seguendo i passaggi indicati. [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md)
+ Crea una configurazione del ciclo di vita seguendo le fasi descritte in [Crea e associa una configurazione del ciclo di vita con Amazon Studio Classic SageMaker](studio-lcc-create.md).
## Impostazione di una configurazione del ciclo di vita predefinita quando si crea una nuova risorsa
Per impostare una configurazione del ciclo di vita predefinita durante la creazione di un nuovo dominio, profilo utente o spazio, passa l'ARN della configurazione del ciclo di vita precedentemente creata come parte di uno dei seguenti comandi: AWS CLI
+ [create-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-user-profile.html)
+ [create-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/opensearch/create-domain.html)
+ [create-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-space.html)
È necessario passare l'ARN di configurazione del ciclo di vita per i seguenti valori nelle impostazioni o predefinite: KernelGateway JupyterServer
+ `DefaultResourceSpec`:`LifecycleConfigArn`: specifica la configurazione del ciclo di vita predefinita per il tipo di applicazione.
+ `LifecycleConfigArns`: è l'elenco di tutte le configurazioni del ciclo di vita collegate al tipo di applicazione. Anche la configurazione del ciclo di vita predefinita deve far parte di questo elenco.
Ad esempio, la seguente chiamata API crea un nuovo profilo utente con una configurazione del ciclo di vita predefinita.
```
aws sagemaker create-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"KernelGatewayAppSettings": {
"DefaultResourceSpec": {
"InstanceType": "ml.t3.medium",
"LifecycleConfigArn": "lifecycle-configuration-arn"
},
"LifecycleConfigArns": [lifecycle-configuration-arn-list]
}
}'
```
## Impostazione di una configurazione del ciclo di vita predefinita per una risorsa esistente
Per impostare o aggiornare la configurazione del ciclo di vita predefinita per una risorsa esistente, passa l'ARN della configurazione del ciclo di vita precedentemente creata come parte di uno dei seguenti comandi: AWS CLI
+ [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html)
+ [update-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html)
+ [update-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-space.html)
È necessario passare l'ARN di configurazione del ciclo di vita per i seguenti valori nelle impostazioni o predefinite: KernelGateway JupyterServer
+ `DefaultResourceSpec`:`LifecycleConfigArn`: specifica la configurazione del ciclo di vita predefinita per il tipo di applicazione.
+ `LifecycleConfigArns`: è l'elenco di tutte le configurazioni del ciclo di vita collegate al tipo di applicazione. Anche la configurazione del ciclo di vita predefinita deve far parte di questo elenco.
Ad esempio, la seguente chiamata API aggiorna un nuovo profilo utente con una configurazione del ciclo di vita predefinita.
```
aws sagemaker update-user-profile --domain-id domain-id \
--user-profile-name user-profile-name \
--region region \
--user-settings '{
"KernelGatewayAppSettings": {
"DefaultResourceSpec": {
"InstanceType": "ml.t3.medium",
"LifecycleConfigArn": "lifecycle-configuration-arn"
},
"LifecycleConfigArns": [lifecycle-configuration-arn-list]
}
}'
```
La seguente chiamata API aggiorna un dominio per impostare una nuova configurazione del ciclo di vita predefinita.
```
aws sagemaker update-domain --domain-id domain-id \
--region region \
--default-user-settings '{
"JupyterServerAppSettings": {
"DefaultResourceSpec": {
"InstanceType": "system",
"LifecycleConfigArn": "lifecycle-configuration-arn"
},
"LifecycleConfigArns": [lifecycle-configuration-arn-list]
}
}'
```
# Imposta i valori predefiniti dalla console SageMaker AI per Amazon Studio Classic SageMaker
**Importante**
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Puoi impostare script di configurazione del ciclo di vita predefiniti dalla console SageMaker AI per le seguenti risorse.
+ Domini
+ Profili utente
Non è possibile impostare script di configurazione del ciclo di vita predefiniti per gli spazi condivisi dalla console AI. SageMaker Per informazioni su come impostare i valori predefiniti per gli spazi condivisi, consulta [Imposta i valori predefiniti da per AWS CLI Amazon Studio Classic SageMaker](studio-lcc-defaults-cli.md).
Le sezioni seguenti descrivono come impostare gli script di configurazione del ciclo di vita predefiniti dalla console AI. SageMaker
**Topics**
+ [Prerequisiti](#studio-lcc-defaults-cli-prerequisites)
+ [Impostazione di una configurazione del ciclo di vita predefinita per un dominio](#studio-lcc-defaults-cli-domain)
+ [Impostazione di una configurazione del ciclo di vita predefinita per un profilo utente](#studio-lcc-defaults-cli-user-profile)
## Prerequisiti
Prima di iniziare, completa i seguenti prerequisiti:
+ Effettua l'accesso al dominio SageMaker AI seguendo i passaggi indicati. [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md)
+ Crea una configurazione del ciclo di vita seguendo le fasi descritte in [Crea e associa una configurazione del ciclo di vita con Amazon Studio Classic SageMaker](studio-lcc-create.md).
## Impostazione di una configurazione del ciclo di vita predefinita per un dominio
La procedura seguente mostra come impostare una configurazione del ciclo di vita predefinita per un dominio dalla SageMaker console AI.
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Dall'elenco dei domini, seleziona il nome del dominio per cui impostare la configurazione del ciclo di vita.
1. Da **Dettagli del dominio**, seleziona la scheda **Ambiente**.
1. In **Lifecycle configurations for personal Studio apps**, seleziona la configurazione del ciclo di vita che desideri impostare come predefinita per il dominio. Puoi impostare impostazioni predefinite JupyterServer e KernelGateway applicazioni distinte.
1. Scegli **Imposta come predefinito**. Si apre una finestra pop-up che elenca le impostazioni predefinite correnti per e le applicazioni. JupyterServer KernelGateway
1. Scegli **Imposta come predefinito** per impostare la configurazione del ciclo di vita come predefinita per il rispettivo tipo di applicazione.
## Impostazione di una configurazione del ciclo di vita predefinita per un profilo utente
La procedura seguente mostra come impostare una configurazione del ciclo di vita predefinita per un profilo utente dalla console AI. SageMaker
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Dall'elenco dei domini, seleziona il nome del dominio che contiene il profilo utente per cui desideri impostare la configurazione del ciclo di vita predefinita.
1. Da **Dettagli del dominio**, seleziona la scheda **Profilo utente**.
1. Seleziona il nome del profilo utente per cui impostare la configurazione del ciclo di vita predefinita. Si aprirà una pagina denominata **Dettagli utente**.
1. Nella pagina **Dettagli utente** seleziona **Modifica**. Si aprirà una pagina denominata **Modifica profilo utente**.
1. Dalla pagina **Modifica profilo utente**, scegli **Impostazioni Studio fase 2**.
1. In **Lifecycle configurations attached to user**, seleziona la configurazione del ciclo di vita che desideri impostare come predefinita per il profilo utente. Puoi impostare impostazioni predefinite JupyterServer e KernelGateway applicazioni distinte.
1. Scegli **Imposta come predefinito**. Si apre una finestra pop-up che elenca le impostazioni predefinite correnti per e le applicazioni. JupyterServer KernelGateway
1. Scegli **Imposta come predefinito** per impostare la configurazione del ciclo di vita come predefinita per il rispettivo tipo di applicazione.
# Configurazioni del ciclo di vita di debug in Amazon Studio Classic SageMaker
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
I seguenti contenuti spiegano come recuperare le informazioni sulle configurazioni del ciclo di vita e come eseguirne il debug.
**Topics**
+ [Verifica il processo di configurazione del ciclo di vita da Logs CloudWatch](#studio-lcc-debug-logs)
+ [JupyterServer errore dell'app](#studio-lcc-debug-jupyterserver)
+ [KernelGateway errore dell'app](#studio-lcc-debug-kernel)
+ [Timeout della configurazione del ciclo di vita](#studio-lcc-debug-timeout)
## Verifica il processo di configurazione del ciclo di vita da Logs CloudWatch
Le configurazioni del ciclo di vita eseguono solo log `STDOUT` e `STDERR`.
`STDOUT` è il formato di output predefinito per gli script bash. Puoi scrivere in `STDERR` aggiungendo `>&2` alla fine di un comando bash. Ad esempio, `echo 'hello'>&2`.
I log per le configurazioni del ciclo di vita vengono pubblicati su Amazon che utilizza Amazon. Account AWS CloudWatch Questi log possono essere trovati nel flusso di `/aws/sagemaker/studio` log della console. CloudWatch
1. Apri la CloudWatch console all'indirizzo [https://console.aws.amazon.com/cloudwatch/](https://console.aws.amazon.com/cloudwatch/).
1. Scegli **Log** dal lato sinistro. Dal menu a discesa, seleziona **Gruppi di log**.
1. Nella pagina **Gruppi di log**, cerca `aws/sagemaker/studio`.
1. Seleziona il gruppo di log .
1. Nella pagina **Dettagli gruppo di log**, scegli la scheda **Flussi di log**.
1. Per trovare i log di un'app specifica, cerca nei flussi di log utilizzando il seguente formato:
```
domain-id/space-name/app-type/default/LifecycleConfigOnStart
```
Ad esempio, per trovare i log della configurazione del ciclo di vita per il dominio `d-m85lcu8vbqmz`, il nome dello spazio `i-sonic-js` e il tipo di applicazione `JupyterLab`, utilizza la seguente stringa di ricerca:
```
d-m85lcu8vbqmz/i-sonic-js/JupyterLab/default/LifecycleConfigOnStart
```
## JupyterServer errore dell'app
Se JupyterServer l'app si blocca a causa di un problema con la configurazione del ciclo di vita allegata, Studio Classic visualizza il seguente messaggio di errore nella schermata di avvio di Studio Classic.
```
Failed to create SageMaker Studio due to start-up script failure
```
Seleziona il `View script logs` link per visualizzare i CloudWatch log dell'app. JupyterServer
Nel caso in cui la configurazione del ciclo di vita difettosa sia specificata in `DefaultResourceSpec` del dominio, del profilo utente o dello spazio condiviso, Studio Classic continua a utilizzare la configurazione del ciclo di vita anche dopo il riavvio di Studio Classic.
Per risolvere questo errore, segui le fasi descritte in [Imposta le configurazioni predefinite del ciclo di vita per Amazon Studio Classic SageMaker](studio-lcc-defaults.md) per rimuovere lo script di configurazione del ciclo di vita da `DefaultResourceSpec` o imposta un altro script come predefinito. Quindi avvia una nuova JupyterServer app.
## KernelGateway errore dell'app
Se KernelGateway l'app si blocca a causa di un problema con la configurazione del ciclo di vita allegata, Studio Classic visualizza il messaggio di errore nel notebook Studio Classic.
Scegli `View script logs` di visualizzare i CloudWatch log della tua app. KernelGateway
In questo caso, la configurazione del ciclo di vita viene specificata nell’utilità di avvio di Studio Classic all’avvio di un nuovo notebook Studio Classic.
Per risolvere questo errore, utilizza l’utilità di avvio di Studio Classic per selezionare un’altra configurazione del ciclo di vita o seleziona `No script`.
**Nota**
La configurazione KernelGateway del ciclo di vita predefinita specificata in `DefaultResourceSpec` si applica a tutte le KernelGateway immagini nel dominio, nel profilo utente o nello spazio condiviso, a meno che l'utente non selezioni uno script diverso dall'elenco presentato nel programma di avvio di Studio Classic. Lo script predefinito viene eseguito anche se `No Script` è selezionato dall'utente. Per ulteriori informazioni su come selezionare uno script, consulta [Fase 3: avvio di un’applicazione con la configurazione del ciclo di vita](studio-lcc-create-console.md#studio-lcc-create-console-step3).
## Timeout della configurazione del ciclo di vita
Il limite di timeout della configurazione del ciclo di vita è di 5 minuti. Se l’esecuzione di uno script di configurazione del ciclo di vita impiega più di cinque minuti, Studio Classic genera un errore.
Per risolvere questo errore, assicurati che lo script di configurazione del ciclo di vita venga completato in meno di 5 minuti.
Per ridurre il tempo di esecuzione degli script, prova a:
+ Eliminare le fasi non necessarie. Ad esempio, limita gli ambienti conda in cui installare pacchetti di grandi dimensioni.
+ Esegui le attività in processi paralleli.
+ Utilizza il comando `nohup` nel tuo script per assicurarti che i segnali di arresto vengano ignorati e non interrompano l'esecuzione dello script.
# Aggiorna e scollega le configurazioni del ciclo di vita in Amazon Studio Classic SageMaker
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Uno script di configurazione del ciclo di vita non può essere modificato dopo che è stato creato. Per aggiornare lo script, devi creare un nuovo script di configurazione del ciclo di vita e collegarlo al rispettivo dominio, profilo utente o spazio condiviso. Per ulteriori informazioni su come creare e collegare la configurazione del ciclo di vita, consulta [Crea e associa una configurazione del ciclo di vita con Amazon Studio Classic SageMaker](studio-lcc-create.md).
L'argomento seguente mostra come scollegare una configurazione del ciclo di vita utilizzando la console e AI. AWS CLI SageMaker
**Topics**
+ [Prerequisiti](#studio-lcc-delete-pre)
+ [Staccare utilizzando il AWS CLI](#studio-lcc-delete-cli)
## Prerequisiti
Prima di scollegare una configurazione del ciclo di vita, completa i seguenti prerequisiti.
+ Per scollegare correttamente una configurazione del ciclo di vita, nessuna applicazione in esecuzione deve utilizzare la configurazione del ciclo di vita. Come prima cosa, devi chiudere le applicazioni in esecuzione come illustrato in [Chiudi e aggiorna Amazon SageMaker Studio Classic e le app](studio-tasks-update.md).
## Staccare utilizzando il AWS CLI
Per scollegare una configurazione del ciclo di vita utilizzando il AWS CLI, rimuovete la configurazione del ciclo di vita desiderata dall'elenco delle configurazioni del ciclo di vita allegate alla risorsa e passate l'elenco come parte del rispettivo comando:
+ [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html)
+ [update-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html)
+ [update-space](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-space.html)
Ad esempio, il comando seguente rimuove tutte le configurazioni del ciclo di vita collegate al dominio. KernelGateways
```
aws sagemaker update-domain --domain-id domain-id \
--region region \
--default-user-settings '{
"KernelGatewayAppSettings": {
"LifecycleConfigArns":
[]
}
}'
```
# Allega repository Git consigliati ad Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Amazon SageMaker Studio Classic offre un'estensione Git che ti consente di inserire l'URL di un repository Git (repo), clonarlo nel tuo ambiente, inviare modifiche e visualizzare la cronologia dei commit. Oltre a questa estensione Git, puoi anche allegare un repository Git consigliato URLs a livello di dominio Amazon SageMaker AI o profilo utente. Quindi, puoi selezionare l’URL del repository dall’elenco dei suggerimenti e clonarlo nel tuo ambiente utilizzando l’estensione Git in Studio Classic.
I seguenti argomenti mostrano come collegare il repository Git URLs a un dominio o a un profilo utente dalla AWS CLI console SageMaker AI. Imparerai anche come scollegare questi repository. URLs
**Topics**
+ [Collega un repository Git da AWS CLI per Amazon SageMaker Studio Classic](studio-git-attach-cli.md)
+ [Collega un repository Git dalla console SageMaker AI per Amazon SageMaker Studio Classic](studio-git-attach-console.md)
+ [Scollegare i repository Git da Amazon Studio Classic SageMaker](studio-git-detach.md)
# Collega un repository Git da AWS CLI per Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
L'argomento seguente mostra come allegare l'URL di un repository Git utilizzando AWS CLI, in modo che Amazon SageMaker Studio Classic lo suggerisca automaticamente per la clonazione. Dopo aver collegato l'URL repository Git, puoi clonarlo seguendo le fasi descritte in [Clona un repository Git in Amazon Studio Classic SageMaker](studio-tasks-git.md).
## Prerequisiti
Prima di iniziare, completa i seguenti prerequisiti:
+ Aggiorna il AWS CLI seguendo i passaggi descritti in [Installazione della versione AWS CLI corrente](https://docs.aws.amazon.com/cli/latest/userguide/install-cliv1.html#install-tool-bundled).
+ Dal computer locale, esegui `aws configure` e inserisci le tue credenziali AWS . Per informazioni sulle AWS credenziali, consulta [Comprendere e ottenere le AWS](https://docs.aws.amazon.com/general/latest/gr/aws-sec-cred-types.html) credenziali.
+ Effettua l'onboard nel dominio Amazon SageMaker AI. Per ulteriori informazioni, consulta [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md).
## Collegamento del repository Git a un dominio o a un profilo utente
I repository Git URLs associati a livello di dominio vengono ereditati da tutti gli utenti. Tuttavia, i repository URLs Git associati a livello di profilo utente sono riservati a un utente specifico. Puoi allegare più repository Git URLs a un dominio o a un profilo utente passando un elenco di repository URLs.
Le sezioni seguenti mostrano come collegare un URL dei repository Git al dominio e al profilo utente.
### Collegamento a un dominio
Il comando seguente collega un URL dei repository Git a un dominio esistente.
```
aws sagemaker update-domain --region region --domain-id domain-id \
--default-user-settings JupyterServerAppSettings={CodeRepositories=[{RepositoryUrl="repository"}]}
```
### Collegamento a un profilo utente
L'esempio seguente mostra come collegare un URL repository Git a un profilo utente esistente.
```
aws sagemaker update-user-profile --domain-id domain-id --user-profile-name user-name\
--user-settings JupyterServerAppSettings={CodeRepositories=[{RepositoryUrl="repository"}]}
```
# Collega un repository Git dalla console SageMaker AI per Amazon SageMaker Studio Classic
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
L'argomento seguente mostra come associare un URL di repository Git dalla console Amazon SageMaker AI per clonarlo nel tuo ambiente Studio Classic. Dopo aver associato l'URL repository Git, puoi clonarlo seguendo le fasi descritte in [Clona un repository Git in Amazon Studio Classic SageMaker](studio-tasks-git.md).
## Prerequisiti
Prima di iniziare questo tutorial, devi effettuare l'onboarding del dominio Amazon SageMaker AI. Per ulteriori informazioni, consulta [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md).
## Collegamento del repository Git a un dominio o a un profilo utente
I repository Git URLs associati a livello di dominio vengono ereditati da tutti gli utenti. Tuttavia, gli URL repository Git associati a livello di profilo utente sono limitati a un utente specifico.
Le sezioni seguenti mostrano come collegare un URL dei repository Git a un dominio e a un profilo utente.
### Collegamento a un dominio
**Per collegare un URL dei repository Git a un dominio esistente**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Seleziona il dominio a cui collegare il repository Git.
1. Nella pagina **Dettagli del dominio**, seleziona la scheda **Ambiente**.
1. Nella scheda **Suggested code repositories for the domain**, scegli **Collega**.
1. In **Origine**, inserisci l'URL repository Git.
1. Seleziona **Collega al dominio**.
### Collegamento a un profilo utente
L'esempio seguente mostra come collegare un URL repository Git a un profilo utente esistente.
**Per collegare un URL repository Git a un profilo utente**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Seleziona il dominio che include il profilo utente a cui collegare il repository Git.
1. Nella pagina **Dettagli del dominio**, seleziona la scheda **Profili utente**.
1. Seleziona il profilo utente a cui collegare l'URL repository Git.
1. Nella pagina **Dettagli utente**, scegli **Modifica**.
1. Nella pagina **Impostazioni di Studio**, scegli **Collega** dalla sezione **Suggested code repositories for the user**.
1. In **Origine**, inserisci l'URL repository Git.
1. Scegli **Collega all'utente**.
# Scollegare i repository Git da Amazon Studio Classic SageMaker
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata 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](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
Questa guida mostra come scollegare l'archivio Git URLs da un dominio o profilo utente Amazon SageMaker AI utilizzando la console AWS CLI Amazon SageMaker AI.
**Topics**
+ [Stacca un repository Git usando il AWS CLI](#studio-git-detach-cli)
+ [Scollega il repository Git usando la SageMaker console AI](#studio-git-detach-console)
## Stacca un repository Git usando il AWS CLI
Per scollegare tutti i repository Git URLs da un dominio o da un profilo utente, devi passare un elenco vuoto di repository di codice. Questo elenco viene passato come parte del parametro `JupyterServerAppSettings` in un comando `update-domain` o `update-user-profile`. Per scollegare solo un URL repository Git, passa l'elenco dei repository di codice senza l'URL repository Git desiderato. Questa sezione mostra come scollegare tutti i repository Git URLs dal tuo dominio o profilo utente usando AWS Command Line Interface ()AWS CLI.
### Scollegamento da un dominio
Il comando seguente scollega tutti i repository Git URLs da un dominio.
```
aws sagemaker update-domain --region region --domain-name domain-name \
--domain-settings JupyterServerAppSettings={CodeRepositories=[]}
```
### Scollegamento da un profilo utente
Il comando seguente scollega tutti i repository Git URLs da un profilo utente.
```
aws sagemaker update-user-profile --domain-name domain-name --user-profile-name user-name\
--user-settings JupyterServerAppSettings={CodeRepositories=[]}
```
## Scollega il repository Git usando la SageMaker console AI
Le seguenti sezioni mostrano come scollegare un URL del repository Git da un dominio o da un profilo utente utilizzando la console SageMaker AI.
### Scollegamento da un dominio
Utilizza le fasi seguenti per scollegare un URL dei repository Git da un dominio esistente.
**Per scollegare un URL dei repository Git da un dominio esistente**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Seleziona il dominio con l’URL dei repository Git che desideri scollegare.
1. Nella pagina **Dettagli del dominio**, seleziona la scheda **Ambiente**.
1. Nella scheda **Repository di codice suggeriti per il dominio**, seleziona l'URL repository Git da scollegare.
1. Seleziona **Scollega**.
1. Nella nuova finestra, scegli **Scollega**.
### Scollegamento da un profilo utente
Utilizza le fasi seguenti per scollegare un URL repository Git da un profilo utente.
**Per scollegare un URL repository Git da un profilo utente**
1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Configurazioni admin**.
1. In **Configurazioni di amministrazione**, scegli **Domini**.
1. Seleziona il dominio che include il profilo utente con l’URL dei repository Git che desideri scollegare.
1. Nella pagina **Dettagli del dominio**, seleziona la scheda **Profili utente**.
1. Seleziona il profilo utente con l'URL repository Git che desideri scollegare.
1. Nella pagina **Dettagli utente**, scegli **Modifica**.
1. Nella pagina **Impostazioni di Studio**, seleziona l'URL repository Git da scollegare dalla scheda **Repository di codice suggeriti per l’utente**.
1. Seleziona **Scollega**.
1. Nella nuova finestra, scegli **Scollega**.