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。

# Studio Lab 预装环境
<a name="studio-lab-environments"></a>

Amazon SageMaker Studio Lab 使用 conda 环境来管理项目的软件包（或库）。本指南解释了什么是 conda 环境、如何与它们交互以及 Studio Lab 中提供的不同预装环境。

conda 环境是一个包含已安装软件包集合的目录。它允许您创建具有特定软件包版本的隔离环境，防止具有不同依赖关系的项目之间发生冲突。

您可以通过两种方式与 Studio Lab 中的 conda 环境进行交互：
+ 终端：使用终端创建、激活和管理环境。
+ JupyterLab Notebook：打开 JupyterLab 笔记本时，选择带有您要使用的环境名称的内核，以使用该环境中安装的软件包。

有关管理环境的简要说明，请参阅 [管理环境](studio-lab-use-manage.md)。

Studio Lab 预装了多个持久或非持久内存环境。对持久内存环境所做的任何更改都将保留到下次会话中。对非持久内存环境所做的任何更改都不会保留到您的下一个会话中，但其中的软件包将由 Amazon AI 进行更新和兼容性测试。 SageMaker 以下是每个环境及其使用场景的概述：
+ `sagemaker-distribution`: 由 Amazon A SageMaker I 管理的非持久环境。它包含用于机器学习、数据科学和可视化的流行软件包。该环境会定期更新并进行兼容性测试。如果您需要预装常用软件包的完全托管设置，请使用此环境。

  `sagemaker-distribution`环境与 Amazon SageMaker Studio Classic 中使用的环境密切相关，因此，从 Studio Lab 升级到 Studio Classic 后，笔记本电脑的运行方式应该类似。有关将环境从 Studio Lab 导出到 Studio Classic 的信息，请参阅 [将亚马逊 SageMaker Studio Lab 环境导出到亚马逊 SageMaker Studio 经典版](studio-lab-use-migrate.md)。
+ `default`：预装了最少软件包的持久性环境。如果您想通过安装其他软件包对环境进行大幅定制，请使用此环境。
+ `studiolab`：安装 JupyterLab 和相关软件包的持久环境。使用此环境配置 JupyterLab 用户界面和安装 Jupyter 服务器扩展。
+ `studiolab-safemode`：当项目运行时出现问题时自动激活的非持久性环境。使用此环境进行故障排除。有关问题排查的信息，请参阅[问题排查](studio-lab-troubleshooting.md)。
+ `base`：用于系统工具的非持久性环境。该环境不供客户使用。

要查看环境中的软件包，请运行命令 `conda list`。

有关在环境中安装软件包的更多信息，请参阅[自定义环境](studio-lab-use-manage.md#studio-lab-use-manage-conda-default-customize)。

如果您计划从 Studio Lab 毕业到 Amazon SageMaker Studio Classic，请参阅[将亚马逊 SageMaker Studio Lab 环境导出到亚马逊 SageMaker Studio 经典版](studio-lab-use-migrate.md)。

有关 SageMaker 图像及其版本的信息，请参阅[亚马逊 SageMaker 图片可用于 Studio Classic 笔记本电脑](notebooks-available-images.md)。