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.
Installa librerie e kernel esterni in Amazon Studio Classic SageMaker
Nota
Al 30 novembre 2023, la precedente esperienza con 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 Studio SageMaker.
Studio Classic è ancora gestito per i carichi di lavoro esistenti ma non è più disponibile per l'onboarding. È possibile interrompere o eliminare solo le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di migrare il carico di lavoro alla nuova esperienza di Studio.
I notebook Amazon SageMaker Studio Classic sono dotati di più immagini già installate. Queste immagini contengono kernel e pacchetti Python tra cui scikit-learn, Pandas,,, e MXNet. NumPy TensorFlow PyTorch Puoi anche installare le tue immagini che contengono la tua scelta di pacchetti e kernel. Per ulteriori informazioni sull'installazione delle tue immagini, consulta Immagini personalizzate in Amazon SageMaker Studio Classic.
I diversi kernel Jupyter nei notebook Amazon Studio Classic sono ambienti conda separati. SageMaker Per informazioni sugli ambienti conda, consulta Managing Environments
Strumenti di installazione dei pacchetti
Importante
Attualmente, tutti i pacchetti dei SageMaker notebook Amazon sono concessi in licenza per l'uso con Amazon AI e non richiedono licenze commerciali aggiuntive. SageMaker Tuttavia, questa condizione potrebbe essere soggetta a modifiche in futuro, pertanto ti consigliamo di consultare regolarmente i termini di licenza per eventuali aggiornamenti.
Il metodo da utilizzare per installare i pacchetti Python dal terminale varia a seconda dell'immagine. Studio Classic supporta i seguenti strumenti di installazione dei pacchetti:
-
Notebook: sono supportati i seguenti comandi. Se uno dei seguenti comandi non funziona sulla tua immagine, prova l'altro.
-
%conda install -
%pip install
-
-
Terminale Jupyter: puoi installare pacchetti utilizzando direttamente pip e conda. Puoi anche usare
apt-get installper installare pacchetti di sistema dal terminale.
Nota
Non è consigliabile utilizzare pip install -u opip install
--user, perché questi comandi installano i pacchetti sul volume Amazon EFS dell'utente e possono potenzialmente bloccare il riavvio delle app. JupyterServer Utilizza, invece, una configurazione del ciclo di vita per reinstallare i pacchetti richiesti al riavvio dell’app, come mostrato in Installazione dei pacchetti utilizzando le configurazioni del ciclo di vita.
Si consiglia di utilizzare %pip e %conda per installare i pacchetti dall'interno di un notebook, perché tengono correttamente conto dell'ambiente attivo o dell'interprete utilizzato. Per ulteriori informazioni, consulta Add %pip and %conda magic functions!pip install e !conda install.
Conda
Conda è un sistema di gestione dei pacchetti e dell'ambiente open source in grado di installare pacchetti e le relative dipendenze. SageMaker L'intelligenza artificiale supporta l'uso di conda con il canale conda-forge. Per ulteriori informazioni, consulta la pagina Conda channels
Nota
L'installazione di pacchetti da conda-forge può richiedere fino a 10 minuti. Il tempo varia in base al metodo usato da conda per risolvere il grafico delle dipendenze.
Tutti gli ambienti forniti dall' SageMaker IA sono funzionali. I pacchetti installati dall'utente potrebbero non funzionare correttamente.
Conda si avvale di due metodi per attivare gli ambienti: conda activate e source activate. Per ulteriori informazioni, consulta Managing environment
Operazioni supportate da conda
-
conda installdi un pacchetto in un unico ambiente -
conda installdi un pacchetto in tutti gli ambienti -
Installazione di un pacchetto dal repository principale di conda
-
Installazione di un pacchetto da conda-forge
-
Modifica della posizione di installazione di conda per utilizzare Amazon EBS
-
Supporta sia
conda activatechesource activate
Pip
Pip è lo strumento per installare e gestire i pacchetti Python. Per impostazione predefinita, pip cerca i pacchetti nell’indice dei pacchetti Python (PyPI). A differenza di conda, pip non dispone di un supporto integrato per l’ambiente. Pertanto, pip non è così completo come conda quando si tratta di pacchetti con dipendenze di librerie native o di sistema. Puoi usare pip per installare pacchetti in ambienti conda. Invece che l’indice PyPI, con pip puoi anche usare repository di pacchetti alternativi.
Operazioni supportate da pip
-
Uso di pip per installare un pacchetto senza un ambiente conda attivo
-
Uso di pip per installare un pacchetto in un ambiente conda
-
Uso di pip per installare un pacchetto in tutti gli ambienti conda
-
Modifica della posizione di installazione di pip per utilizzare Amazon EBS
-
Uso di un repository alternativo per installare pacchetti con pip
Non supportato.
SageMaker L'intelligenza artificiale mira a supportare il maggior numero possibile di operazioni di installazione dei pacchetti. Tuttavia, se i pacchetti sono stati installati da SageMaker AI e si utilizzano le seguenti operazioni su questi pacchetti, ciò potrebbe rendere instabile l'ambiente:
-
Disinstallazione
-
Downgrade
-
Aggiornamento
A causa di potenziali problemi con le condizioni o le configurazioni della rete o della disponibilità di conda or PyPi, i pacchetti potrebbero non essere installati in un periodo di tempo fisso o deterministico.
Nota
Il tentativo di installare un pacchetto in un ambiente con dipendenze incompatibili può causare un errore. In caso di problemi, è possibile contattare il responsabile della libreria per aggiornare le dipendenze del pacchetto. Modificare l'ambiente, ad esempio rimuovendo o aggiornando pacchetti esistenti, può rendere quell’ambiente instabile.
Installazione dei pacchetti utilizzando le configurazioni del ciclo di vita
Installa immagini e kernel personalizzati sul volume Amazon EBS dell'istanza di Studio Classic in modo che persistano quando arresti e riavvii il notebook e che le librerie esterne installate non vengano aggiornate dall'intelligenza artificiale. SageMaker Per farlo, usa una configurazione del ciclo di vita che includa sia uno script che venga eseguito quando crei il notebook (on-create) sia uno script che venga eseguito ogni volta che riavvii il notebook (on-start). Per ulteriori informazioni sull’utilizzo delle configurazioni del ciclo di vita con Studio Classic, consulta Usa le configurazioni del ciclo di vita per personalizzare Amazon Studio Classic SageMaker. Per esempi di script di configurazione del ciclo di vita, SageMaker consulta Esempi di configurazione del ciclo di vita di AI Studio Classic.
