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.
# Instale bibliotecas e kernels externos no Amazon Studio Classic SageMaker
**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).
Os notebooks Amazon SageMaker Studio Classic vêm com várias imagens já instaladas. Essas imagens contêm kernels e pacotes Python, incluindo scikit-learn, Pandas,,, e. NumPy TensorFlow PyTorch MXNet Você também pode instalar suas próprias imagens que contenham pacotes e kernels de sua escolha. Para obter mais informações sobre instalação de sua própria imagem, consulte [Imagens personalizadas no Amazon SageMaker Studio Classic](studio-byoi.md).
Os diferentes kernels do Jupyter nos notebooks SageMaker Amazon Studio Classic são ambientes conda separados. Para obter mais informações sobre ambientes conda, consulte [Gerenciar ambientes](https://conda.io/docs/user-guide/tasks/manage-environments.html).
## Ferramentas de instalação do pacote
**Importante**
Atualmente, todos os pacotes nos SageMaker notebooks da Amazon são licenciados para uso com o Amazon SageMaker AI e não exigem licenças comerciais adicionais. No entanto, isso pode estar sujeito a alterações no futuro. Por isso, recomendamos que consulte regularmente os termos de licenciamento para verificar se existem atualizações.
O método usado para instalar pacotes Python a partir do terminal varia de acordo com a imagem. O Studio Classic é compatível com as seguintes ferramentas de instalação de pacotes:
+ **Cadernos**: os seguintes comandos são compatíveis. Se uma das opções a seguir não funcionar na sua imagem, tente a outra.
+ `%conda install`
+ `%pip install`
+ **O terminal Jupyter**: você pode instalar pacotes usando pip e conda diretamente. Você também pode usar `apt-get install` para instalar pacotes do sistema a partir do terminal.
**nota**
Não recomendamos o uso de `pip install -u` ou`pip install --user`, porque esses comandos instalam pacotes no volume Amazon EFS do usuário e podem potencialmente bloquear a reinicialização JupyterServer do aplicativo. Em vez disso, use uma configuração de ciclo de vida para reinstalar os pacotes necessários na reinicialização da aplicação, conforme mostrado em [Instale pacotes usando configurações de ciclo de vida](#nbi-add-external-lcc).
Recomendamos usar `%pip` e `%conda` para instalar pacotes de dentro de um caderno porque eles levam corretamente em conta o ambiente ativo ou o intérprete que está sendo usado. Para obter mais informações, consulte [Adicionar funções mágicas %pip e %conda](https://github.com/ipython/ipython/pull/11524). Você também pode usar a sintaxe de comando do sistema (linhas começando com \!) para instalar pacotes. Por exemplo, `!pip install` e `!conda install`.
### Conda
O Conda é um sistema de gerenciamento de pacotes e sistema de gerenciamento de ambiente de código aberto que pode instalar pacotes e suas dependências. SageMaker A IA suporta o uso de conda com o canal conda-forge. Para obter mais informações, consulte [Canais conda](https://docs.conda.io/projects/conda/en/latest/user-guide/concepts/channels.html). O canal conda-forge é um canal comunitário onde os colaboradores podem fazer upload de pacotes.
**nota**
A instalação de pacotes do conda-forge pode levar até 10 minutos. O tempo está relacionado à forma como o conda resolve o gráfico de dependências.
Todos os ambientes fornecidos pela SageMaker IA são funcionais. Os pacotes instalados pelo usuário podem não funcionar corretamente.
O Conda tem dois métodos para ativar ambientes: `conda activate` e `source activate`. Para obter mais informações, consulte [Gerenciar ambiente](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html).
**Operações conda compatíveis**
+ `conda install` de um pacote em um único ambiente
+ `conda install` de um pacote em todos os ambientes
+ Instalar um pacote do repositório principal do conda
+ Instalar um pacote do conda-forge
+ Alterar o local de instalação do conda para usar o Amazon EBS
+ Compatível com `conda activate` e `source activate`
### Pip
Pip é a ferramenta para instalar e gerenciar pacotes Python. O Pip pesquisa pacotes no Python Package Index (PyPI) por padrão. Ao contrário do conda, o pip não tem compatibilidade ambiental integrada. Portanto, o pip não é tão completo quanto o conda quando se trata de pacotes com dependências nativas ou de bibliotecas do sistema. O Pip pode ser usado para instalar pacotes em ambientes conda. Você pode usar repositórios de pacotes alternativos com pip em vez do PyPI.
**Operações pip compatíveis**
+ Usar pip para instalar um pacote sem um ambiente conda ativo
+ Usar pip para instalar um pacote em um ambiente conda
+ Usar pip para instalar um pacote em todos os ambientes conda
+ Alterar o local de instalação do pip para usar o Amazon EBS
+ Usar um repositório alternativo para instalar pacotes com pip
### Sem compatibilidade
SageMaker A IA visa oferecer suporte ao maior número possível de operações de instalação de pacotes. No entanto, se os pacotes foram instalados pela SageMaker IA e você usa as seguintes operações nesses pacotes, isso pode tornar seu ambiente instável:
+ Desinstalação
+ Rebaixamento
+ Atualizar
Devido a possíveis problemas com as condições ou configurações da rede, ou a disponibilidade do conda ou PyPi, os pacotes podem não ser instalados em um período de tempo fixo ou determinístico.
**nota**
A tentativa de instalar um pacote em um ambiente com dependências incompatíveis pode resultar em uma falha. Se ocorrerem problemas, você pode entrar em contato com o mantenedor da biblioteca sobre a atualização das dependências do pacote. Quando você modifica o ambiente, como remover ou atualizar pacotes existentes, isso pode resultar na instabilidade desse ambiente.
## Instale pacotes usando configurações de ciclo de vida
Instale imagens e kernels personalizados no volume Amazon EBS da instância do Studio Classic para que eles persistam quando você parar e reiniciar o notebook e que as bibliotecas externas instaladas não sejam atualizadas pela IA. SageMaker Para fazer isso, use uma configuração de ciclo de vida que inclua um script que é executado quando você cria o caderno (`on-create)` e um script executado sempre que você reinicia o caderno (`on-start`). Para obter informações sobre como usar configurações de ciclo de vida do Studio Classic, consulte [Use configurações de ciclo de vida para personalizar o Amazon Studio Classic SageMaker](studio-lcc.md). Para exemplos de scripts de configuração do ciclo de vida, consulte [SageMaker Amostras de configuração do ciclo de vida do AI Studio Classic](https://github.com/aws-samples/sagemaker-studio-lifecycle-config-examples).