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.
# Gerenciar seu ambiente
O Amazon SageMaker Studio Lab fornece ambientes pré-instalados para suas instâncias de notebook Studio Lab. Os ambientes permitem que você inicie uma instância de caderno do Studio Lab com os pacotes que você deseja usar. Isso é feito instalando-se pacotes no ambiente e selecionando-se o ambiente como um Kernel.
O Studio Lab tem vários ambientes pré-instalados para você. Normalmente, você vai preferir usar o ambiente `sagemaker-distribution` se quiser usar um ambiente totalmente gerenciado que já contenha muitos pacotes mais conhecidos usados por engenheiros de machine learning (ML) e cientistas de dados. Caso contrário, você pode usar o ambiente `default` se quiser personalização persistente para o seu ambiente. Para obter mais informações sobre os ambientes do Studio Lab pré-instalados disponíveis, consulte [Ambientes pré-instalados do Studio Lab](studio-lab-environments.md).
Você pode personalizar seu ambiente adicionando novos pacotes (ou bibliotecas) a ele. Você também pode criar novos ambientes no Studio Lab, importar ambientes compatíveis, redefinir seu ambiente para criar espaço e muito mais.
Os comandos a seguir são para execução em um terminal do Studio Lab. No entanto, ao instalar pacotes, é altamente recomendável instalá-los em seu Studio caderno Jupyter. Isso garante que os pacotes sejam instalados no ambiente pretendido. Para executar os comandos em um Caderno Jupyter, prefixe o comando com um `%` antes de executar a célula. Por exemplo, o trecho de código `pip list` em um terminal é o mesmo que `%pip list` em um Caderno Jupyter.
As seções a seguir fornecem informações sobre seu ambiente conda `default`, como personalizá-lo e como adicionar e remover ambientes conda. Para obter uma lista de ambientes de amostra que você pode instalar no Studio Lab, consulte [Criação de ambientes conda personalizados](https://github.com/aws/studio-lab-examples/tree/main/custom-environments). Para usar esses arquivos YAML de ambiente de amostra com o Studio Lab, consulte [Etapa 4: Instale os ambientes conda do Studio Lab no Studio Classic](studio-lab-use-migrate.md#studio-lab-use-migrate-step4).
**Topics**
+ [Seu ambiente padrão](#studio-lab-use-manage-conda-default)
+ [Visualizar ambientes](#studio-lab-use-view-conda-envs)
+ [Criar, ativar e usar novos ambientes conda](#studio-lab-use-manage-conda-new-conda)
+ [Usar exemplos de ambientes do Studio Lab](#studio-lab-use-manage-conda-sample)
+ [Personalizar seu ambiente](#studio-lab-use-manage-conda-default-customize)
+ [Atualizar Studio Lab](#studio-lab-use-manage-conda-reset)
## Seu ambiente padrão
O Studio Lab usa ambientes conda para encapsular os pacotes de software necessários para executar caderno. Seu projeto contém um ambiente conda padrão, chamado`default`, com o [IPython kernel](https://ipython.readthedocs.io/en/stable/). Esse ambiente serve como o kernel padrão para seus cadernos Jupyter.
## Visualizar ambientes
Para visualizar os ambientes no Studio Lab, você pode usar um terminal ou Caderno Jupyter. O comando a seguir será para execução em um terminal do Studio Lab. Se você deseja executar os comandos correspondentes em um caderno Jupyter, consulte [Gerenciar seu ambiente](#studio-lab-use-manage).
Abra o terminal do Studio Lab no painel **Navegador de arquivos** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/studio/icons/folder.png)), escolha o sinal de adição (**\$1**) no menu na parte superior do navegador de arquivos para abrir o **Inicializador** e escolha **Terminal**. No terminal do Studio Lab, liste os ambientes conda executando o seguinte:
```
conda env list
```
Esse comando gera uma lista dos ambientes conda e suas localizações no sistema de arquivos. Ao se integrar ao Studio Lab, você ativa automaticamente o ambiente `studiolab` conda. Veja a seguir um exemplo de ambientes listados após a integração.
```
# conda environments:
#
default /home/studio-lab-user/.conda/envs/default
studiolab * /home/studio-lab-user/.conda/envs/studiolab
studiolab-safemode /opt/amazon/sagemaker/safemode-home/.conda/envs/studiolab-safemode
base /opt/conda
sagemaker-distribution /opt/conda/envs/sagemaker-distribution
```
`*` marca o ambiente ativado.
## Criar, ativar e usar novos ambientes conda
Se quiser manter vários ambientes para diferentes casos de uso, você pode criar novos ambientes conda em seu projeto. As seções a seguir mostram como criar e ativar novos ambientes conda. Para um notebook Jupyter que mostra como criar um ambiente personalizado, consulte [Configurando um ambiente personalizado no SageMaker Studio](https://github.com/aws/studio-lab-examples/blob/main/custom-environments/custom_environment.ipynb) Lab.
**nota**
A manutenção de vários ambientes conta com a memória disponível do Studio Lab.
**Criar ambiente conda**
Para criar um ambiente conda, execute o seguinte comando conda em seu terminal: Este exemplo cria um novo ambiente com o Python 3.9:
```
conda create --name python=3.9
```
Depois que o ambiente conda é criado, você pode visualizar o ambiente na sua lista de ambientes. Para obter mais informações sobre como visualizar sua lista de ambientes, consulte [Visualizar ambientes](#studio-lab-use-view-conda-envs).
**Ativar um ambiente conda**
Para ativar qualquer ambiente conda, execute o comando a seguir no terminal.
```
conda activate
```
Quando você executa esse comando, todos os pacotes instalados usando conda ou pip são instalados no ambiente. Para obter mais informações sobre a instalação ou atualização de pacotes, consulte [Personalizar seu ambiente](#studio-lab-use-manage-conda-default-customize).
**Usar um ambiente conda**
1. Para usar seus novos ambientes conda com cadernos, certifique-se de que o pacote `ipykernel` esteja instalado no ambiente.
```
conda install ipykernel
```
1. Depois que o pacote `ipykernel` estiver instalado no ambiente, você poderá selecionar o ambiente como o kernel do seu caderno.
Talvez seja necessário reiniciar JupyterLab para ver o ambiente disponível como um kernel. Isso pode ser feito escolhendo **Amazon SageMaker Studio Lab** no menu superior do seu projeto aberto do Studio Lab e escolhendo **Reiniciar JupyterLab...** .
1. Você pode escolher o kernel para um caderno existente ou ao criar um caderno.
+ Para um caderno existente: abra o caderno e escolha o kernel atual no lado direito do menu superior. É possível escolher o kernel que deseja usar no menu suspenso.
+ Para um novo caderno: abra o inicializador do Studio Lab e escolha o kernel em **Caderno**. Isso abrirá o caderno com o kernel que você escolher.
Para obter uma visão geral da interface de usuário do Studio Lab, consulte [Visão geral da interface do usuário do Amazon SageMaker Studio Lab](studio-lab-use-ui.md).
## Usar exemplos de ambientes do Studio Lab
O Studio Lab fornece exemplos de ambientes personalizados por meio do repositório [SageMaker Studio Lab Examples](https://github.com/aws/studio-lab-examples). Veja a seguir como clonar e criar esses ambientes.
1. Clone o GitHub repositório SageMaker Studio Lab Examples seguindo as instruções em. [Use GitHub recursos](studio-lab-use-external.md#studio-lab-use-external-clone-github)
1. No Studio Lab, selecione o ícone **Navegador de arquivos** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/studio/icons/folder.png)) no menu à esquerda, para que o painel **Navegador de arquivos** seja exibido à esquerda.
1. Navegue até o diretório `studio-lab-examples/custom-environments` no Navegador de arquivos.
1. Abra o diretório do ambiente que deseja criar.
1. Clique com o botão direito do mouse no arquivo `.yml` na pasta e selecione **Criar ambiente conda.**
1. Agora você pode usar o ambiente como um kernel após a conclusão da construção do ambiente conda. Para obter instruções sobre como usar um ambiente existente como kernel, consulte [Criar, ativar e usar novos ambientes conda](#studio-lab-use-manage-conda-new-conda)
## Personalizar seu ambiente
Você pode personalizar seu ambiente instalando e removendo extensões e pacotes conforme necessário. O Studio Lab traz ambientes com pacotes pré-instalados e o uso de um ambiente existente pode economizar tempo e memória, pois os pacotes pré-instalados não contam com a memória disponível do Studio Lab. Para obter mais informações sobre os ambientes do Studio Lab pré-instalados disponíveis, consulte [Ambientes pré-instalados do Studio Lab](studio-lab-environments.md).
Todas as extensões e pacotes instalados em seu ambiente `default` persistirão em seu projeto. Ou seja, você não precisa instalar seus pacotes para cada sessão de tempo de runtime. No entanto, extensões e pacotes instalados em seu ambiente `sagemaker-distribution` não persistirão, então você precisará instalar novos pacotes durante sua próxima sessão. No entanto, quando instalar pacotes, é altamente recomendável instalá-los em seu caderno para garantir que os pacotes sejam instalados no ambiente pretendido.
Para visualizar seus ambientes, execute o comando `conda env list`.
Para visualizar seu ambiente, execute o comando `conda activate `.
Para visualizar os pacotes em um ambiente, execute o comando `conda list`.
**Instalar pacotes**
É altamente recomendável instalar seus pacotes no seu caderno Jupyter para garantir que os pacotes sejam instalados no ambiente pretendido. Para instalar pacotes adicionais em seu ambiente a partir de um caderno Jupyter, execute um dos seguintes comandos em uma célula dentro do seu caderno Jupyter: Esses comandos instalam pacotes no ambiente atualmente ativado.
+ `%conda install `
+ `%pip install `
Não recomendamos o uso dos comandos `!pip` ou `!conda` porque eles podem se comportar de maneiras inesperadas quando você tem vários ambientes.
Depois de instalar novos pacotes em seu ambiente, talvez seja necessário reiniciar o kernel para garantir que os pacotes funcionem em seu caderno. Isso pode ser feito escolhendo **Amazon SageMaker Studio Lab** no menu superior do seu projeto aberto do Studio Lab e escolhendo **Reiniciar JupyterLab...** .
**Remover pacotes**
Para remover um pacote, execute o comando
```
%conda remove
```
Esse comando também removerá qualquer pacote que dependa de ``, a menos que um substituto possa ser encontrado sem essa dependência.
Para visualizar os pacotes em um ambiente, execute o comando
```
conda deactivate
&& conda env remove --name
```
## Atualizar Studio Lab
Para atualizar o Studio Lab, remova todos os seus ambientes e arquivos.
1. Liste todos os ambientes do conda.
```
conda env list
```
1. Ative o ambiente básico.
```
conda activate base
```
1. Remova cada ambiente da lista de ambientes conda, além do básico.
```
conda remove --name --all
```
1. Exclua todos os arquivos do seu Studio Lab.
```
rm -rf *.*
```