Personalizar o Amazon SageMaker Studio Classic

Traga sua própria imagem do SageMaker: uma imagem do SageMaker é um arquivo que identifica os kernels, pacotes de idiomas e outras dependências necessárias para executar um caderno Jupyter no Amazon SageMaker Studio Classic. O Amazon SageMaker AI oferece várias imagens incorporadas para você usar. Se precisar de uma funcionalidade diferente, você pode trazer suas próprias imagens personalizadas para o Studio.

Use configuração de ciclo de vida com Amazon SageMaker Studio Classic: as configurações de ciclo de vida são scripts de shell acionadas por eventos de ciclo de vida do SageMaker Studio, tais como iniciar um novo caderno do Studio Classic. Você pode usar configurações de ciclo de vida para automatizar a personalização do seu ambiente Studio. Por exemplo, você pode instalar pacotes personalizados, configurar extensões de caderno, pré-carregar conjuntos de dados e configurar repositórios de código-fonte.

Anexar repositórios do Git sugeridos ao Studio Classic: você pode anexar URLs de repositórios do Git sugeridos no domínio do Amazon SageMaker AI ou em nível de perfil de usuário. Em seguida, você pode selecionar o URL do repositório na lista de sugestões e cloná-lo em seu ambiente usando a extensão Git no Studio.

Ambientes Conda persistentes para o volume Studio Classic Amazon EFS: o Studio usa um volume do Amazon EFS como uma camada de armazenamento persistente. Você pode salvar seu ambiente Conda nesse volume do Amazon EFS e, em seguida, usar o ambiente salvo para criar kernels. O Studio Classic seleciona automaticamente todos os ambientes válidos salvos no Amazon EFS como kernels KernelGateway. Esses kernels persistem até a reinicialização do kernel, da aplicação e do Studio Classic. Para obter mais informações, consulte a seção Ambientes Persist Conda para o volume Studio EFS em Quatro abordagens para gerenciar pacotes Python em cadernos do Amazon SageMaker Studio Classic.