As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # JupyterLab Controle de versão no Amazon Studio Classic SageMaker **Importante** Políticas personalizadas do IAM que permitem que o Amazon SageMaker SageMaker Studio ou o Amazon Studio Classic criem SageMaker recursos da Amazon também devem conceder permissões para adicionar tags a esses recursos. A permissão para adicionar tags aos recursos é necessária porque o Studio e o Studio Classic marcam automaticamente todos os recursos que eles criam. Se uma política do IAM permitir que o Studio e o Studio Classic criem recursos, mas não permitisse a marcação, erros AccessDenied "" podem ocorrer ao tentar criar recursos. Para obter mais informações, consulte [Forneça permissões para marcar recursos de SageMaker IA](security_iam_id-based-policy-examples.md#grant-tagging-permissions). [AWS políticas gerenciadas para Amazon SageMaker AI](security-iam-awsmanpol.md)que dão permissões para criar SageMaker recursos já incluem permissões para adicionar tags ao criar esses recursos. **Importante** Em 30 de novembro de 2023, a experiência anterior do Amazon SageMaker Studio agora se chama Amazon SageMaker Studio Classic. A seção a seguir é específica ao uso da aplicação Studio Classic. Para obter informações sobre como usar a experiência atualizada do Studio, consulte [SageMaker Estúdio Amazon](studio-updated.md). O Studio Classic ainda é mantido para cargas de trabalho existentes, mas não está mais disponível para integração. Você só pode parar ou excluir aplicativos do Studio Classic existentes e não pode criar novos. Recomendamos que você [migre sua carga de trabalho para a nova experiência do Studio](studio-updated-migrate.md). A interface do Amazon SageMaker Studio Classic é baseada em JupyterLab, que é um ambiente de desenvolvimento interativo baseado na web para notebooks, códigos e dados. O Studio Classic suporta apenas o uso de JupyterLab 3. Se você criou seu domínio e perfil de usuário usando Console de gerenciamento da AWS antes de 31/08/2022 ou usando antes de 22/02/23, sua AWS Command Line Interface instância do Studio Classic adotou como padrão 1. JupyterLab Depois de 07/01/2024, você não pode criar nenhum aplicativo Studio Classic que execute 1. JupyterLab ## JupyterLab 3 JupyterLab 3 inclui os seguintes recursos que não estão disponíveis nas versões anteriores. Para obter mais informações sobre esses recursos, consulte [Lançamento da JupyterLab versão 3.0\$1](https://blog.jupyter.org/jupyterlab-3-0-is-out-4f58385e25bb) . + Depurador visual ao usar os kernels Base Python 2.0 e Ciência de dados 2.0. + Filtro de navegador de arquivos + Índice + Compatibilidade com vários idiomas + Modo simples + Modo de interface única ### Mudanças importantes em JupyterLab 3 Considere o seguinte ao usar JupyterLab 3: + Ao definir a JupyterLab versão usando o AWS CLI, selecione a imagem correspondente para sua região e JupyterLab versão na lista de imagens em[Do AWS CLI](#studio-jl-set-cli). + Em JupyterLab 3, você deve ativar o ambiente `studio` conda antes de instalar as extensões. Para obter mais informações, consulte [Instalação JupyterLab e extensões do Jupyter Server](#studio-jl-install). + O Depurador só é aceito quando as imagens a seguir são usadas: + Base Python 2.0 + Data Science 2.0 + Base Python 3.0 + Data Science 3.0 ## Restringindo a JupyterLab versão padrão usando uma chave de condição de política do IAM Você pode usar as chaves de condição da política do IAM para restringir a versão JupyterLab que seus usuários podem iniciar. A política a seguir mostra como limitar a JupyterLab versão no nível do domínio. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BlockJupyterLab3DomainLevelAppCreation", "Effect": "Deny", "Action": [ "sagemaker:CreateDomain", "sagemaker:UpdateDomain" ], "Resource": "*", "Condition": { "ForAnyValue:ArnLike": { "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:111122223333:image/jupyter-server-3" } } } ] } ``` ------ A política a seguir mostra como limitar a JupyterLab versão no nível do perfil do usuário. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BlockUsersFromCreatingJupyterLab3Apps", "Effect": "Deny", "Action": [ "sagemaker:CreateUserProfile", "sagemaker:UpdateUserProfile" ], "Resource": "*", "Condition": { "ForAnyValue:ArnLike": { "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:111122223333:image/jupyter-server-3" } } } ] } ``` ------ A política a seguir mostra como limitar a JupyterLab versão no nível do aplicativo. A solicitação `CreateApp` deve incluir o ARN da imagem para que essa política seja aplicada. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BlockJupyterLab3AppLevelAppCreation", "Effect": "Deny", "Action": "sagemaker:CreateApp", "Resource": "*", "Condition": { "ForAnyValue:ArnLike": { "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:111122223333:image/jupyter-server-3" } } } ] } ``` ------ ## Definindo uma JupyterLab versão padrão As seções a seguir mostram como definir uma JupyterLab versão padrão para o Studio Classic usando o console ou AWS CLI o.  ### No console Você pode selecionar a JupyterLab versão padrão para usar no domínio ou no nível do perfil do usuário durante a criação do recurso. Para definir a JupyterLab versão padrão usando o console, consulte[Visão geral do domínio Amazon SageMaker AI](gs-studio-onboard.md).  ### Do AWS CLI Você pode selecionar a JupyterLab versão padrão a ser usada no domínio ou no nível do perfil do usuário usando AWS CLI o.  Para definir a JupyterLab versão padrão usando o AWS CLI, você deve incluir o ARN da JupyterLab versão padrão desejada como parte de um AWS CLI comando. Esse ARN difere com base na versão e na região do domínio de SageMaker IA.  A tabela a seguir ARNs lista as JupyterLab versões disponíveis para cada região: | Região | JL3 | | --- | --- | | us-east-1 | arn:aws:sagemaker:us-east-1:081325390199:image/jupyter-server-3 | | us-east-2 | arn:aws:sagemaker:us-east-2:429704687514:image/jupyter-server-3 | | us-west-1 | arn:aws:sagemaker:us-west-1:742091327244:image/jupyter-server-3 | | us-west-2 | arn:aws:sagemaker:us-west-2:236514542706:image/jupyter-server-3 | | af-south-1 | arn:aws:sagemaker:af-south-1:559312083959:image/jupyter-server-3 | | ap-east-1 | arn:aws:sagemaker:ap-east-1:493642496378:image/jupyter-server-3 | | ap-south-1 | arn:aws:sagemaker:ap-south-1:394103062818:image/jupyter-server-3 | | ap-northeast-2 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/jupyter-server-3 | | ap-southeast-1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/jupyter-server-3 | | ap-southeast-2 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/jupyter-server-3 | | ap-northeast-1 | arn:aws:sagemaker:ap-northeast-1:102112518831:image/jupyter-server-3 | | ca-central-1 | arn:aws:sagemaker:ca-central-1:310906938811:image/jupyter-server-3 | | eu-central-1 | arn:aws:sagemaker:eu-central-1:936697816551:image/jupyter-server-3 | | eu-west-1 | arn:aws:sagemaker:eu-west-1:470317259841:image/jupyter-server-3 | | eu-west-2 | arn:aws:sagemaker:eu-west-2:712779665605:image/jupyter-server-3 | | eu-west-3 | arn:aws:sagemaker:eu-west-3:615547856133:image/jupyter-server-3 | | eu-north-1 | arn:aws:sagemaker:eu-north-1:243637512696:image/jupyter-server-3 | | eu-south-1 | arn:aws:sagemaker:eu-south-1:592751261982:image/jupyter-server-3 | | eu-south-2 | arn:aws:sagemaker:eu-south-2:127363102723:image/jupyter-server-3 | | sa-east-1 | arn:aws:sagemaker:sa-east-1:782484402741:image/jupyter-server-3 | | cn-north-1 | arn:aws-cn:sagemaker:cn-north-1:390048526115:image/jupyter-server-3 | | cn-northwest-1 | arn:aws-cn:sagemaker:cn-northwest-1:390780980154:image/jupyter-server-3 | #### Criar ou atualizar o domínio Você pode definir uma JupyterServer versão padrão no nível do domínio invocando [CreateDomain](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateDomain.html)ou [UpdateDomain](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateDomain.html)passando o `UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn` campo. Veja a seguir como criar um domínio com JupyterLab 3 como padrão, usando o AWS CLI: ``` aws --region \ sagemaker create-domain \ --domain-name \ --auth-mode \ --subnet-ids  \ --vpc-id  \ --default-user-settings '{   "JupyterServerAppSettings": {     "DefaultResourceSpec": {       "SageMakerImageArn": "arn:aws:sagemaker:::image/jupyter-server-3",       "InstanceType": "system"     }   } }' ``` Veja a seguir como atualizar um domínio para usar JupyterLab 3 como padrão, usando o AWS CLI: ``` aws --region \ sagemaker update-domain \ --domain-id \ --default-user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:::image/jupyter-server-3", "InstanceType": "system" } } }' ``` #### Criar ou atualizar o perfil do usuário Você pode definir uma JupyterServer versão padrão no nível do perfil do usuário invocando [CreateUserProfile](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateUserProfile.html)ou [UpdateUserProfile](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateUserProfile.html)passando o `UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn` campo. Veja a seguir como criar um perfil de usuário com JupyterLab 3 como padrão em um domínio existente, usando o AWS CLI: ``` aws --region \ sagemaker create-user-profile \ --domain-id \ --user-profile-name \ --query UserProfileArn --output text \ --user-settings '{   "JupyterServerAppSettings": {     "DefaultResourceSpec": {       "SageMakerImageArn": "arn:aws:sagemaker:::image/jupyter-server-3",       "InstanceType": "system"     }   } }' ``` Veja a seguir como atualizar um perfil de usuário para usar JupyterLab 3 como padrão, usando o AWS CLI: ``` aws --region \ sagemaker update-user-profile \ --domain-id \ --user-profile-name \ --user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:::image/jupyter-server-3", "InstanceType": "system" } } }' ``` ## Visualize e atualize a JupyterLab versão de um aplicativo a partir do console Veja a seguir como visualizar e atualizar a JupyterLab versão de um aplicativo. 1. Navegue até a página de **domínios** de SageMaker IA. 1. Selecione um domínio para ver seus perfis de usuário. 1. Selecione um usuário para ver suas aplicações. 1. Para visualizar a JupyterLab versão de um aplicativo, selecione o nome do aplicativo. 1. Para atualizar a JupyterLab versão, selecione **Ação**. 1. No menu suspenso, selecione ** JupyterLab Alterar** versão. 1. Na página de **configurações do Studio Classic**, selecione a JupyterLab versão no menu suspenso. 1. Depois que a JupyterLab versão do perfil do usuário for atualizada com êxito, reinicie o JupyterServer aplicativo para que as alterações de versão sejam efetivas. Para obter mais informações sobre como reiniciar um JupyterServer aplicativo, consulte[Desligue e atualize o Amazon SageMaker Studio Classic](studio-tasks-update-studio.md). ## Instalação JupyterLab e extensões do Jupyter Server Em JupyterLab 3, você deve ativar o ambiente `studio` conda antes de instalar as extensões. O método para isso é diferente se você estiver instalando as extensões de dentro do Studio Classic ou usando um script de configuração do ciclo de vida. ### Instalar a extensão de dentro do Studio Classic Para instalar extensões de dentro do Studio Classic, você deve ativar o `studio`ambiente do antes de instalar as extensões. ``` # Before installing extensions conda activate studio # Install your extensions pip install # After installing extensions conda deactivate ``` ### Instalar extensões usando um script de configuração do ciclo de vida Se você estiver instalando JupyterLab extensões do Jupyter Server em seu script de configuração de ciclo de vida, você deve modificar seu script para que ele funcione com 3. JupyterLab As seções a seguir mostram o código necessário para scripts de configuração de ciclo de vida novos e existentes. #### Script de configuração do ciclo de vida existente Se você estiver reutilizando um script de configuração de ciclo de vida existente que deve funcionar com as duas versões do JupyterLab, use o código a seguir em seu script: ``` # Before installing extension export AWS_SAGEMAKER_JUPYTERSERVER_IMAGE="${AWS_SAGEMAKER_JUPYTERSERVER_IMAGE:-'jupyter-server'}" if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ] ; then eval "$(conda shell.bash hook)" conda activate studio fi; # Install your extensions pip install # After installing extension if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ]; then conda deactivate fi; ``` #### Novo script de configuração do ciclo de vida Se você estiver escrevendo um novo script de configuração do ciclo de vida que usa apenas JupyterLab 3, você pode usar o seguinte código em seu script: ``` # Before installing extension eval "$(conda shell.bash hook)" conda activate studio # Install your extensions pip install conda deactivate ```