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 Amazon SageMaker 筆記本執行個體
<a name="howitworks-create-ws"></a>

**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 筆記本執行個體是執行 Jupyter 筆記本應用程式的 ML 運算執行個體。SageMaker AI 會管理建立執行個體與相關資源。在筆記本執行個體中使用 Jupyter 筆記本：
+ 準備和處理資料
+ 編寫程式碼來訓練模型
+ 將模型部署至 SageMaker AI 託管
+ 測試或驗證模型

您可以使用 SageMaker AI 主控台或 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateNotebookInstance.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateNotebookInstance.html) API 來建立筆記本執行個體。

您選擇的筆記本執行個體類型取決於您使用筆記本執行個體的方式。確保您的筆記本執行個體不受記憶體、CPU 或 IO 限制。若要將資料集載入至筆記本執行個體上的記憶體，以進行探索或預先處理，請為您的資料集選擇具有足夠 RAM 記憶體的執行個體類型。這需要至少具有 16 GB 記憶體 (特大型或大型) 的執行個體。如果您打算使用筆記本進行運算密集的預先處理，我們建議您選擇運算最佳化執行個體，例如 c4 或 c5。

使用 SageMaker 筆記本時的最佳實務是使用筆記本執行個體來協調其他服務 AWS 。例如，您可以使用筆記本執行個體來管理大型資料集處理。若要這樣做，請使用 Hadoop AWS 呼叫 Glue for ETL （擷取、轉換和載入） 服務或 Amazon EMR 進行映射和資料縮減。您可以使用 AWS 服務做為資料的臨時運算或儲存形式。

您可以使用 Amazon Simple Storage Service 儲存貯體，來存放和擷取您的訓練和測試資料。然後，您可以使用 SageMaker AI 來訓練和建置模型。因此，筆記本的執行個體類型與模型訓練和測試的速度無關。

收到請求後，SageMaker AI 會執行下列動作：
+ **建立網路介面** - 如果您選擇選用 VPC 組態，則 SageMaker AI 會在您的 VPC 中建立網路介面。並透過您在請求中提供的子網路 ID，判斷能夠建立子網路的可用區域。SageMaker AI 亦會將您在請求中提供的安全群組與子網路建立關聯。如需詳細資訊，請參閱[將 VPC 中的筆記本執行個體連接外部資源](appendix-notebook-and-internet-access.md)。
+ **啟動 ML 運算執行個體** - SageMaker AI 會在 SageMaker AI VPC 中啟動 ML 運算執行個體。SageMaker AI 會執行組態任務，允許它管理您的筆記本執行個體。如果您指定 VPC，SageMaker AI 會啟用 VPC 與筆記本執行個體之間的流量。
+ **安裝適用於常用深度學習平台的 Anaconda 套件與程式庫** - SageMaker AI 會安裝所有包含在安裝程式的 Anaconda 套件。如更多資訊，請參閱 [Anaconda package list](https://docs.anaconda.com/free/anaconda/pkg-docs/)。SageMaker AI 亦會安裝 TensorFlow 和 Apache MXNet 深度學習程式庫。
+ **連接 ML 儲存磁碟區** - SageMaker AI 會將 ML 儲存磁碟區連接至 ML 運算執行個體。您可以利用該磁碟區做為工作區，清除訓練資料集或暫存驗證、測試和其他資料。選擇任何大小介於 5 GB 到 16384 GB 之間的磁碟區，增量為 1 GB。預設值為 5 GB。ML 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。

  只有儲存在 `/home/ec2-user/SageMaker` 資料夾內的檔案和資料，才會在筆記本執行個體工作階段間保留。當筆記本執行個體停止和重新啟動時，會覆寫儲存在此目錄外的檔案和資料。每個筆記本執行個體的`/tmp`目錄在執行個體存放區中提供至少 10 GB 的儲存空間。執行個體存放區是非持久性的暫時區塊層級儲存。當執行個體停止或重新啟動時，SageMaker AI 會刪除目錄的內容和任何作業系統自訂。此暫時性儲存是筆記本執行個體的根磁碟區的一部分。

  如果筆記本執行個體未更新且執行不安全的軟體，SageMaker AI 可能會定期更新執行個體，作為定期維護的一部分。在這些更新期間，`/home/ec2-user/SageMaker`不會保留 資料夾外的資料。如需維護和安全性修補程式的詳細資訊，請參閱 [Maintenance (維護)](nbi.md#nbi-maintenance)。

  如果筆記本執行個體使用的執行個體類型支援 NVMe，客戶可以使用該執行個體類型可用的 NVMe 執行個體儲存體磁碟區。對於具有 NVMe 存放磁碟區的執行個體類型，所有執行個體儲存體磁碟區都會在啟動時自動連接至執行個體。如需執行個體類型及其相關聯 NVMe 存放區磁碟區的詳細資訊，請參閱 [Amazon Elastic Compute Cloud 執行個體類型詳細資訊](https://aws.amazon.com/ec2/instance-types/)。

  若要讓連接的 NVMe 存放磁碟區可供您的筆記本執行個體使用，請完成[在執行個體上提供執行個體存放磁碟區](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/add-instance-store-volumes.html#making-instance-stores-available-on-your-instances)中的步驟。使用根存取或使用生命週期組態指令碼來完成步驟。
**注意**  
NVMe 執行個體儲存體磁碟區不是持久性儲存體。此儲存體隨執行個體短暫存在，而且每次啟動具有此儲存體的執行個體時都必須重新設定。

**若要建立 SageMaker AI 筆記本執行個體：**

1. 開啟位在 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/) 的 SageMaker AI 主控台。

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：

   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. 針對**筆記本執行個體類型**，請選擇適合您使用案例的執行個體大小。如需支援的執行個體類型和配額清單，請參閱 [Amazon SageMaker AI Service Quotas](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html#limits_sagemaker)。

   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。此平台類型決定了您的筆記本執行個體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`。自 2025 年 6 月 30 日起，新執行個體僅支援 JupyterLab 4。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)。
**重要**  
自 2025 年 6 月 30 日起，不再支援 JupyterLab 1 和 JupyterLab 3。您無法再使用這些版本，建立新的筆記本執行個體或重新啟動已停止的筆記本執行個體。現有的服務中執行個體可能會繼續運作，但不會收到安全性更新或錯誤修正。遷移至 JupyterLab 4 筆記本執行個體，以獲得持續支援。如需詳細資訊，請參閱[JupyterLab 版本維護](nbi-jl.md#nbi-jl-version-maintenance)。

   1. (選用) **其他組態**可讓進階使用者建立可在建立或啟動執行個體時執行的 shell 指令碼。此指令碼稱為生命週期組態指令碼，可用來設定筆記本的環境或執行其他功能。如需相關資訊，請參閱[使用 LCC 指令碼自訂 SageMaker 筆記本執行個體](notebook-lifecycle-config.md)。

   1. (選用) **其他組態** 也可讓您指定連接至筆記本執行個體之機器學習 (ML) 儲存磁碟區的容量 (以 GB 為單位)。您可以選擇 5 GB 到 16,384 GB 之間的大小，增量為 1 GB。您可以使用該磁碟區，以清除訓練資料集，或暫存驗證或其他資料。

   1. (選擇性) 針對**最低 IMDS 版本**，請從下拉式清單中選取版本。如果此值設為 v1，則兩個版本都可以搭配筆記本執行個體使用。如果選取 v2，則只能筆記本執行個體僅能搭配使用 IMDSv2。如需有關 IMDSv2 的資訊，請參閱[使用 ImDSv2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/configuring-instance-metadata-service.html)。
**注意**  
自 2022 年 10 月 31 日起，SageMaker 筆記本執行個體的預設最低 IMDS 版本會從 IMDSv1 變更為 IMDSv2。  
自 2023 年 2 月 1 日起，IMDSv1 不再可用於建立新的筆記本執行個體。在此日期之後，您可以建立最低 IMDS 版本為 2 的筆記本執行個體。

   1. 對於 **IAM 角色**，選擇帳戶中具有存取 SageMaker 資源所需許可的現有 IAM 角色，或選擇**建立新角色**。如果您選擇**建立新角色**，則 SageMaker AI 會建立名為 `AmazonSageMaker-ExecutionRole-YYYYMMDDTHHmmSS` 的 IAM 角色。 AWS 受管政策`AmazonSageMakerFullAccess`會連接到角色。該角色提供許可，允許筆記本執行個體呼叫 SageMaker AI 和 Amazon S3。

   1. 對於**根存取**，若要為所有筆記本執行個體使用者提供根存取，請選擇**啟用**。若要移除使用者的根存取，請選擇**停用**。如果您提供根存取，則所有筆記本執行個體使用者都有管理員權限，而且可以存取和編輯所有檔案。

   1. (選用) **加密金鑰**可讓您使用 AWS Key Management Service (AWS KMS) 金鑰來加密連接至筆記本執行個體的機器學習 (ML) 儲存磁碟區上的資料。如果要在機器學習 (ML) 儲存磁碟區上儲存敏感資訊，請考慮加密資訊。

   1. (選用) **網路**可讓您將筆記本執行個體放在虛擬私有雲端 (VPC)中。VPC 提供額外的安全性，並限制從 VPC 以外的來源存取 VPC 中的資源。如需關於 VPC 更多資訊，請參閱 [Amazon VPC 使用者指南](https://docs.aws.amazon.com/vpc/latest/userguide/)。

      **若要將您的筆記本執行個體新增至 VPC：**

      1. 選擇 **VPC** 和 **SubnetId**。

      1. 針對**安全群組**，選擇您的 VPC 的預設安全群組。

      1. 如果您需要筆記本執行個體才能存取網際網路，請啟用直接網際網路存取。針對**直接網際網路存取**，選擇**啟用**。網際網路存取可能會使您的筆記本執行個體較不安全。如需更多資訊，請參閱[將 VPC 中的筆記本執行個體連接外部資源](appendix-notebook-and-internet-access.md)。

   1. (選用) 若要建立 Git 儲存庫與筆記本執行個體的關聯性，請選擇預設儲存庫和最多三個其他儲存庫。如需更多資訊，請參閱[Git 儲存器與 SageMaker AI 筆記本執行個體](nbi-git-repo.md)。

   1. 選擇**建立筆記本執行個體**。

      Amazon SageMaker AI 隨即會在幾分鐘之內啟動 ML 運算執行個體 (在此情況下為筆記本執行個體)，並將 ML 儲存磁碟區連接至其中。筆記本執行個體具備預先設定的 Jupyter 筆記本伺服器和一組 Anaconda 程式庫。如需更多資訊，請參閱 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateNotebookInstance.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateNotebookInstance.html) API。

1. 當筆記本執行個體的狀態在 `InService` 時，就可以在主控台中使用筆記本執行個體。選擇筆記本名稱旁邊的**開啟 Jupyter**，以開啟傳統 Jupyter 儀表板。
**注意**  
為了增強 Amazon SageMaker 筆記本執行個體的安全性，所有區域 `notebook.region.sagemaker.aws` 網域都會在網際網路[公有尾碼清單 (PSL)](https://publicsuffix.org/) 中註冊。如需進一步的安全性，建議您使用字首為 `__Host-` 的 Cookie，為 SageMaker 筆記本執行個體的網域設定敏感 Cookie。這將有助於保護您的網域免受跨站請求偽造 (CSRF) 攻擊。如需詳細資訊，請參閱 [mozilla.org](https://www.mozilla.org/en-GB/?v=1) 開發人員文件網站中的 [Set-Cookie](https://developer.mozilla.org/en-US/docs/Web/HTTP/Headers/Set-Cookie#cookie_prefixes) 頁面。

    您可以選擇**開啟 JupyterLab**來開啟傳統 JupyterLab 儀表板。儀表板可讓您存取筆記本執行個體。

   如需 Jupyter 筆記本的更多相關資訊，請參閱 [Jupyter 筆記本](https://jupyter-notebook.readthedocs.io/en/stable/)。