기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 사용자 지정
## 수명 주기 구성
수명 주기 구성은 새 SageMaker AI Studio 노트북 시작과 같은 SageMaker AI Studio 수명 주기 이벤트에서 시작하는 쉘 스크립트입니다. 이러한 쉘 스크립트를 사용하여 사용자 지정 패키지 설치, 비활성 노트북 앱의 자동 종료를 위한 Jupyter 확장, Git 구성 설정과 같은 SageMaker AI Studio 환경에 대한 사용자 지정을 자동화할 수 있습니다. 수명 주기 구성을 빌드하는 방법에 대한 자세한 지침은이 블로그: [수명 주기 구성을 사용하여 Amazon SageMaker AI Studio 사용자 지정을 참조하세요](https://aws.amazon.com/blogs/machine-learning/customize-amazon-sagemaker-studio-using-lifecycle-configurations/).
## SageMaker AI Studio 노트북용 사용자 지정 이미지
Studio 노트북에는 [Amazon SageMaker AI PythonSDK](https://sagemaker.readthedocs.io/en/stable/)과 최신 버전의 IPython 런타임 또는 커널로 구성된 미리 빌드된 이미지 세트가 함께 제공됩니다. 이 기능을 사용하면 사용자 지정 이미지를 Amazon SageMaker AI 노트북으로 가져올 수 있습니다. 이렇게 하면 도메인에서 인증된 모든 사용자가 해당 이미지를 사용할 수 있습니다.
개발자와 데이터 과학자는 아래의 다양한 사용 사례에 맞는 사용자 지정 이미지를 요구할 수 있습니다.
+ MXNet PyTorch, 등과 같은 인기 있는 ML 프레임워크의 특정 버전 또는 최신 버전 TensorFlow에 대한 액세스.
+ 빠른 반복 및 모델 훈련을 위해 로컬에서 개발된 사용자 지정 코드 또는 알고리즘을 SageMaker AI Studio 노트북에 가져옵니다.
+ 를 통해 데이터 레이크 또는 온프레미스 데이터 스토어에 액세스합니다APIs. 관리자는 이미지에 해당 드라이버를 포함해야 합니다.
+ (R, Julia 또는 기타) 이외의 백엔드 런타임IPython(커널이라고도 함[https://github.com/aws-samples/sagemaker-studio-custom-image-samples](https://github.com/aws-samples/sagemaker-studio-custom-image-samples))에 대한 액세스. 설명된 방법을 사용하여 사용자 지정 커널을 설치할 수도 있습니다.
사용자 지정 이미지를 빌드하는 방법에 대한 자세한 지침은 [사용자 지정 SageMaker AI 이미지 생성을 참조하세요](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-byoi-create.html).
## JupyterLab 확장
SageMaker AI Studio JuypterLab 3 Notebook을 사용하면 계속 증가하는 오픈 소스 JupyterLab 확장 커뮤니티를 활용할 수 있습니다. 이 섹션에서는 SageMaker AI 개발자 워크플로에 자연스럽게 맞는 몇 가지를 강조하지만 사용 [가능한 익스텐션을 찾아보](https://jupyterlab.readthedocs.io/en/stable/user/extensions.html#installing-an-extension)거나 [자체](https://jupyterlab.readthedocs.io/en/stable/extension/extension_tutorial.html) 확장을 생성하는 것이 좋습니다.
JupyterLab 이제 3을 사용하면 [확장을 패키징하고 설치하는 프로세스가](https://jupyterlab.readthedocs.io/en/stable/user/extensions.html#installing-extensions) 크게 쉬워집니다. bash 스크립트를 통해 앞서 언급한 확장을 설치할 수 있습니다. 예를 들어 SageMaker AI Studio에서 [Studio 시작 관리자에서 시스템 터미널을 열고](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launcher.html) 다음 명령을 실행합니다. 또한 [수명 주기 구성](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc.html)을 사용하여 이러한 확장의 설치를 자동화하여 Studio를 다시 시작해도 유지되도록 할 수 있습니다. 도메인의 모든 사용자에 대해, 또는 개별 사용자 수준에서 이를 구성할 수 있습니다.
예를 들어 Amazon S3 파일 브라우저용 확장을 설치하려면 시스템 터미널에서 다음 명령을 실행하고 브라우저를 새로 고쳐야 합니다.
```
conda init
conda activate studio
pip install jupyterlab_s3_browser
jupyter serverextension enable --py jupyterlab_s3_browser
conda deactivate
restart-jupyter-server
```
이전 버전과의 호환성을 위해 JupyterLab 노트북 버전 1과 버전 3 모두에서 작동하는 수명 주기 구성을 작성하는 방법을 포함하여 확장 관리에 대한 자세한 내용은 [설치 JupyterLab 및 Jupyter Server 확장을 참조하세요](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jl.html#studio-jl-install).
## Git 리포지토리
SageMaker AI Studio에는 사용자가 Git 리포지토리URL의 사용자 지정을 입력하고, EFS 디렉터리에 복제하고, 변경 사항을 푸시하고, 커밋 기록을 볼 수 있도록 Jupyter Git 확장이 사전 설치되어 있습니다. 관리자는 도메인 수준에서 제안된 Git 리포지토리를 구성하여 최종 사용자에게 드롭다운 선택 항목으로 표시되도록 할 수 있습니다. 지침은 [Studio에 제안된 Git 리포지토리 연결을 참조하세요](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-git-attach.html). up-to-date
리포지토리가 비공개인 경우, 이 확장은 표준 Git 설치를 사용하여 터미널에 보안 인증 정보를 입력하도록 사용자에게 요청합니다. 또는 사용자가 개별 EFS 디렉터리에 ssh 자격 증명을 저장하여 더 쉽게 관리할 수 있습니다.
## Conda 환경
SageMaker AI Studio 노트북은 Amazon을 영구 스토리지 계층EFS으로 사용합니다. 데이터 과학자는 영구 스토리지를 사용하여 사용자 지정 conda 환경을 만들고 이러한 환경을 사용하여 커널을 생성할 수 있습니다. 이러한 커널은에서 지원되며 커널EFS, 앱 또는 Studio 재시작 간에 영구적입니다. Studio는 유효한 모든 환경을 커널로 KernelGateway 자동으로 선택합니다.
conda 환경을 만드는 과정은 데이터 과학자에게 간단한 일이지만, 커널이 커널 선택기에 채워지는 데는 약 1분이 걸립니다. 환경을 만들려면 시스템 터미널에서 다음을 실행하세요.
```
mkdir -p ~/.conda/envs
conda create --yes -p ~/.conda/envs/custom
conda activate ~/.conda/envs/custom
conda install -y ipykernel
conda config --add envs_dirs ~/.conda/envs
```
자세한 지침은 *Amazon Studio 노트북에서 Python 패키지를 관리하는 네 가지 접근 방식의 Studio EFS 볼륨 섹션의 Conda 환경 지속*을 참조하세요. [ SageMaker ](https://aws.amazon.com/blogs/machine-learning/four-approaches-to-manage-python-packages-in-amazon-sagemaker-studio-notebooks/)