本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 外部库和内核安装
<a name="nbi-add-external"></a>

**重要**  
目前，笔记本实例环境中的所有软件包均已获得与 Amazon A SageMaker I 配合使用的许可，不需要额外的商业许可。但是，这可能会在未来发生变化，我们建议定期查看许可条款以了解任何更新。

Amazon SageMaker 笔记本实例已经安装了多个环境。这些环境包含 Jupyter 内核和 Python 包，包括：scikit、Pandas、、和。 NumPy TensorFlow MXNet当您停止和启动笔记本实例时，这些环境以及 `sample-notebooks` 文件夹中的所有文件均会刷新。您也可以安装自己的包含所选软件包和内核的环境。

Amazon SageMaker 笔记本实例中的不同 Jupyter 内核是独立的 conda 环境。有关 conda 环境的信息，请参阅 *Conda* 文档中的[管理环境](https://conda.io/docs/user-guide/tasks/manage-environments.html)。

在笔记本实例的 Amazon EBS 卷上安装自定义环境和内核。这样可以确保在您停止和重启笔记本实例时它们仍然存在，并且您安装的任何外部库都不会被 SageMaker AI 更新。为此，可使用一个生命周期配置，该配置既包括创建笔记本实例 (`on-create)`) 时运行的脚本，也包括每次重新启动笔记本实例 (`on-start`) 时运行的脚本。有关使用笔记本实例生命周期配置的更多信息，请参阅 [使用 LCC 脚本自定义 SageMaker 笔记本实例](notebook-lifecycle-config.md)。[SageMaker AI Notebook Instance Lifecycle Config 示例中有一个包含示例生命周期配置脚本](https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples)的 GitHub存储库。

[https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples/blob/master/scripts/persistent-conda-ebs/on-create.sh 和 https://github.com/aws-samples/ amazon-sagemaker-notebook-instance-lifecycle-config-samples/blob/master/scripts/persistent-conda-ebs/on](https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples/blob/master/scripts/persistent-conda-ebs/on-create.sh)[-start.sh](https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples/blob/master/scripts/persistent-conda-ebs/on-start.sh) 中的示例显示了在笔记本实例上安装环境和内核的最佳实践。`on-create` 脚本会安装 `ipykernel` 库来创建自定义环境作为 Jupyter 内核，然后使用 `pip install` 和 `conda install` 来安装库。您可以调整脚本以创建自定义环境并安装所需的库。 SageMaker 当您停止并重新启动 notebook 实例时，AI 不会更新这些库，因此您可以确保您的自定义环境中包含所需的特定版本的库。`on-start` 脚本会将您创建的任何自定义环境安装为 Jupyter 内核，这样它们就会出现在 Jupyter **新建**菜单的下拉列表中。

## 软件包安装工具
<a name="nbi-add-external-tools"></a>

SageMaker 笔记本支持以下软件包安装工具：
+ conda 安装
+ pip 安装

您可以使用以下方法安装软件包：
+ 生命周期配置脚本。

  有关脚本示例，请参阅 [SageMaker AI Notebook 实例生命周期配置示例](https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples)。有关生命周期配置的更多信息，请参阅[使用生命周期配置脚本自定义笔记本实例](https://docs.aws.amazon.com/sagemaker/latest/dg/notebook-lifecycle-config.html)。
+ 笔记本 – 支持以下命令。
  + `%conda install`
  + `%pip install`
+ Jupyter 终端 – 您可以直接使用 pip 和 conda 安装软件包。

在笔记本中，您可以使用系统命令语法（以 \! 开头的行）安装软件包，例如 `!pip install` 和 `!conda install`。最近，新命令已添加到 IPython:`%pip`和`%conda`。这些命令是从笔记本安装软件包的推荐方式，因为它们会正确考虑使用中的活动环境或解释器。有关更多信息，请参阅[添加 %pip 和 %conda 魔术函数](https://github.com/ipython/ipython/pull/11524)。

### Conda
<a name="nbi-add-external-tools-conda"></a>

Conda 是一个开源软件包管理系统和环境管理系统，可以安装软件包及其依赖项。 SageMaker AI 支持将 Conda 与两个主通道中的任何一个一起使用，即默认频道和 conda-forge 频道。有关更多信息，请参阅 [Conda 通道](https://docs.conda.io/projects/conda/en/latest/user-guide/concepts/channels.html)。conda-forge 通道是一个社区通道，贡献者可以在这里上传软件包。

**注意**  
由于 Conda 解决依赖关系图的方式，从 conda-forge 安装软件包可能需要更长的时间（在最坏的情况下，可能需要 10 分钟以上）。

深度学习 AMI 预装了许多 conda 环境和软件包。由于预装软件包数量众多，要找到一组保证兼容的软件包非常困难。您可能会看到“环境不一致，请仔细检查软件包计划”的警告。尽管有此警告，但 SageMaker 人工智能仍可确保所有 SageMaker 人工智能提供的环境都是正确的。 SageMaker AI 无法保证任何用户安装的软件包都能正常运行。

**注意**  
在2024年2月1日之前， SageMaker 人工智能 AWS Deep Learning AMIs 和Amazon EMR的用户在这些服务中使用Anaconda时，无需获得商业许可即可访问商用Anaconda存储库。对于 2024 年 2 月 1 日之后使用商用 Anaconda 存储库的情况，客户应自行确定其 Anaconda 许可证要求。

Conda 有两种激活环境的方法：con activate/deactivate, and source activate/deactivate da。有关更多信息，请参阅[我应该在 Linux 中使用“conda 激活”还是“源代码激活”](https://stackoverflow.com/questions/49600611/python-anaconda-should-i-use-conda-activate-or-source-activate-in-linux)。

SageMaker AI 支持将 Conda 环境迁移到 Amazon EBS 卷上，该卷在实例停止时会保持不变。当环境安装到根卷时，环境不会被持久化，这是默认行为。有关生命周期脚本的示例，请参阅[persistent-conda-ebs](https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples/tree/master/scripts/persistent-conda-ebs)。

**支持的 conda 操作（请参阅本主题底部的注释）**
+ 在单个环境中 conda install 软件包
+ 在所有环境中 conda install 软件包
+ conda 在 R 环境中安装 R 软件包
+ 从主 conda 存储库安装软件包
+ 从 conda-forge 安装软件包
+ 更改 Conda 安装位置以使用 EBS
+ 同时支持 conda 激活和源代码激活

### Pip
<a name="nbi-add-external-tools-pip"></a>

Pip 实际上是安装和管理 Python 软件包的工具。默认情况下，Pip 在 Python 软件包索引 (PyPI) 上搜索软件包。与 Conda 不同，pip 没有内置的环境支持，对于具有库依赖关系的软件包，pip 也不如 Conda 那么彻底。 native/system Pip 可以用来在 Conda 环境中安装软件包。

您可以将替代软件包存储库与 Pip 一起使用，而不是 PyPI。有关生命周期脚本示例，请参阅 [on-start.sh](https://github.com/aws-samples/amazon-sagemaker-notebook-instance-lifecycle-config-samples/blob/master/scripts/add-pypi-repository/on-start.sh)。

**支持的 Pip 操作（请参阅本主题底部的注释）**
+ 使用 Pip 在没有活动 conda 环境的情况下安装软件包（在系统范围内安装软件包）
+ 使用 Pip 在 conda 环境中安装软件包
+ 使用 Pip 在所有 conda 环境中安装软件包
+ 更改 Pip 安装位置以使用 EBS
+ 使用 Pip 安装软件包时使用替代存储库

### 不支持
<a name="nbi-add-external-tools-misc"></a>

SageMaker AI 旨在支持尽可能多的软件包安装操作。但是，如果这些包是由 SageMaker AI 或 DLAMI 安装的，并且您对这些软件包使用了以下操作，则可能会使您的笔记本实例变得不稳定：
+ 卸载
+ 降级
+ Upgrading

我们不支持通过 yum install 安装软件包或从 CRAN 安装 R 软件包。

由于网络条件或配置方面的潜在问题，或者 Conda 的可用性 PyPi，我们无法保证软件包将在固定或确定的时间内安装。

**注意**  
我们不能保证软件包安装一定成功。尝试在依赖关系不兼容的环境中安装软件包可能会导致安装失败。在这种情况下，您应该联系库的维护者，看看是否有可能更新软件包的依赖关系。或者，您也可以尝试修改环境，以便允许安装。不过，这种修改很可能意味着删除或更新现有软件包，这意味着我们无法再保证该环境的稳定性。