本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 建立教學課程的 Amazon SageMaker 筆記本執行個體
**重要**
允許 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 建立 Amazon SageMaker 資源的自訂 IAM 政策也必須授與許可，才能將標籤新增至這些資源。需要將標籤新增至資源的許可，因為 Studio 和 Studio Classic 會自動標記它們建立的任何資源。如果 IAM 政策允許 Studio 和 Studio Classic 建立資源，但不允許標記，則在嘗試建立資源時可能會發生 "AccessDenied" 錯誤。如需詳細資訊，請參閱[提供標記 SageMaker AI 資源的許可](security_iam_id-based-policy-examples.md#grant-tagging-permissions)。
提供許可來建立 SageMaker 資源的 [AWS Amazon SageMaker AI 的 受管政策](security-iam-awsmanpol.md) 已包含建立這些資源時新增標籤的許可。
Amazon SageMaker 筆記本執行個體是全受管的機器學習 (ML) Amazon Elastic Compute Cloud (Amazon EC2) 運算執行個體。Amazon SageMaker 筆記本執行個體會執行 Jupyter 筆記本應用程式。使用筆記本執行個體，為預先處理資料建立和管理 Jupyter 筆記本、訓練 ML 模型，以及部署 ML 模型。
**若要建立 SageMaker 筆記本執行個體**
![\[動畫螢幕擷取畫面，顯示如何建立 SageMaker 筆記本執行個體。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/get-started-ni/gs-ni-create-instance.gif)
1. 開啟 Amazon SageMaker AI 主控台，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。
1. 選擇**筆記本執行個體**，然後選擇**建立筆記本執行個體**。
1. 在**建立筆記本執行個體**頁面上，提供下列資訊 (如果未提及欄位，請保留預設值)：
1. 對於**筆記本執行個體名稱**，輸入筆記本執行個體的名稱。
1. 對於**筆記本執行個體類型**，選擇 `ml.t2.medium`。這是筆記本執行個體支援的最便宜執行個體類型，而且足供本練習使用。如果您目前的 AWS 區域無法使用 `ml.t2.medium` 執行個體類型，請選擇 `ml.t3.medium`。
1. 針對**平台識別碼**，選擇要在其上建立筆記本執行個體的平台類型。此平台類型定義了建立筆記本執行個體時所使用的作業系統和 JupyterLab 版本。適用於 Amazon Linux 2023 筆記本執行個體的最新建議版本為 `notebook-al2023-v1`。如需平台識別符類型的相關資訊，請參閱 [AL2023 筆記本執行個體](nbi-al2023.md)和 [Amazon Linux 2 筆記本執行個體](nbi-al2.md)。如需 JupyterLab 版本的詳細資訊，請參閱[JupyterLab 版本控制](nbi-jl.md)。
1. 對於 **IAM 角色**，請選擇**建立新角色**，然後選擇**建立角色**。此 IAM 角色會自動取得存取許可，存取名稱中具有 `sagemaker` 的任何 S3 儲存貯體。它會透過 `AmazonSageMakerFullAccess` 政策取得這些許可，而 SageMaker AI 會將它們連接至角色。
**注意**
如果您想要授與 IAM 角色許可，存取名稱中沒有 `sagemaker` 的 S3 儲存貯體，則需要連接 `S3FullAccess` 政策。您也可以將特定 S3 儲存貯體的許可限制為 IAM 角色。有關向 IAM 角色新增儲存貯體政策的更多資訊和範例，請參閱[儲存貯體政策範例](https://docs.aws.amazon.com/AmazonS3/latest/userguide/example-bucket-policies.html)。
1. 選擇**建立筆記本執行個體**。
SageMaker AI 隨即會在幾分鐘之內啟動筆記本執行個體，並將 5 GB Amazon EBS 儲存磁碟區連接至其中。筆記本執行個體具有預先設定的 Jupyter 筆記本伺服器、SageMaker AI 和 AWS SDK 程式庫，以及一組 Anaconda 程式庫。
有關建立 SageMaker 筆記本執行個體的更多相關資訊，請參閱[建立筆記本執行個體](https://docs.aws.amazon.com/sagemaker/latest/dg/howitworks-create-ws.html)。
## (選用) 變更 SageMaker 筆記本執行個體設定
若要變更 SageMaker AI 筆記本執行個體的 ML 運算執行個體類型或 Amazon EBS 儲存體大小，請編輯筆記本執行個體設定。
**若要變更及更新 SageMaker 筆記本執行個體類型和 EBS 磁碟區**
1. 在 SageMaker AI 主控台的**筆記本執行個體**頁面上，選擇您的筆記本執行個體。
1. 選擇**動作**，選擇**停止**，然後等到筆記本執行個體完全停止。
1. 筆記本執行個體狀態變更為**已停止**後，請選擇**動作**，然後選擇**更新設定**。
![\[顯示如何更新 SageMaker 筆記本執行個體設定的動畫螢幕擷取畫面。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/get-started-ni/gs-ni-update-instance.gif)
1. 針對**筆記本執行個體類型**，選擇不同的機器學習 (ML) 執行個體類型。
1. 對於**以 GB 為單位的磁碟區大小**，請輸入不同的整數以指定新的 EBS 磁碟區大小。
**注意**
EBS 儲存磁碟區已加密，所以 SageMaker AI 無法判斷磁碟區上可用的免費空間。因此，您可以在更新筆記本執行個體時增加磁碟區大小，但無法減少磁碟區大小。如果您想降低使用中機器學習 (ML) 儲存磁碟區的大小，請建立具有所需大小的新筆記本執行個體。
1. 在頁面底部，選擇**更新筆記本執行個體**。
1. 更新完成時，請使用新的設定**啟動**筆記本執行個體。
有關更新 SageMaker 筆記本執行個體設定的更多相關資訊，請參閱[更新筆記本執行個體](https://docs.aws.amazon.com/sagemaker/latest/dg/nbi-update.html)。
## (選用) SageMaker 筆記本執行個體的進階設定
下列教學課程影片說明如何透過 SageMaker AI 主控台設定和使用 SageMaker 筆記本執行個體。它包含進階選項，例如 SageMaker AI 生命週期組態和匯入 GitHub 儲存庫。(長度：26:04)
[](http://www.youtube.com/watch?v=https://www.youtube.com/embed/X5CLunIzj3U)
有關 SageMaker 筆記本執行個體的完整文件，請參閱[使用 Amazon SageMaker 筆記本執行個體](https://docs.aws.amazon.com/sagemaker/latest/dg/nbi.html)。