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。
# Amazon SageMaker Studio Lab 元件概觀
Amazon SageMaker Studio Lab 由下列元件組成。下列主題提供這些元件的更多詳細資訊。
**Topics**
+ [登陸頁面](#studio-lab-overview-landing)
+ [Studio Lab 帳戶](#studio-lab-overview-account)
+ [專案概觀頁面](#studio-lab-overview-project-overview)
+ [預覽頁面](#studio-lab-overview-preview)
+ [專案](#studio-lab-overview-project)
+ [運算執行個體類型](#studio-lab-overview-project-compute)
+ [專案執行期](#studio-lab-overview-runtime)
+ [Session (工作階段)](#studio-lab-overview-session)
## 登陸頁面
您可以在登陸頁面上申請帳戶並登入現有帳戶。要導航到登錄頁面，請參閱[Amazon SageMaker 作室實驗室網站](https://studiolab.sagemaker.aws/)。如需建立 Studio Lab 帳戶的更多詳細資訊，請參閱[加入 Amazon SageMaker Studio Lab](studio-lab-onboard.md)。
下列螢幕擷取畫面顯示 Studio Lab 登陸頁面介面，用於請求使用者帳戶和登入。
![\[Amazon SageMaker Studio Lab 登陸頁面配置。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio-lab-landing.png)
## Studio Lab 帳戶
您的 Studio Lab 帳戶提供 Studio Lab 的存取權。如需建立使用者帳戶的更多詳細資訊，請參閱[加入 Amazon SageMaker Studio Lab](studio-lab-onboard.md)。
## 專案概觀頁面
您可以在此頁面啟動運算執行個體，並檢視專案的相關資訊。若要導覽至此頁面，您必須從 [Amazon SageMaker Studio Lab 網站](https://studiolab.sagemaker.aws/)登入。URL 採用以下格式。
```
https://studiolab.sagemaker.aws/users/
```
下列螢幕擷取畫面顯示 Studio Lab 使用者介面中的專案概觀。
![\[專案概觀使用者介面的配置。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio-lab-overview.png)
## 預覽頁面
在此頁面上，您可以存取 Jupyter 筆記本的唯讀預覽。您無法從預覽執行筆記本，但可以將筆記本複製到您的專案。對於許多客戶而言，這可能是客戶看到的第一個 Studio Lab 頁面，因為他們可能會從 GitHub 筆記本開啟筆記本。如需如何使用 GitHub 資源的詳細資訊，請參閱[使用 GitHub 資源](studio-lab-use-external.md#studio-lab-use-external-clone-github)。
若要將筆記本預覽複製到您的 Studio Lab 專案：
1. 登入您的 Studio Lab 帳戶。如需建立 Studio Lab 帳戶的更多詳細資訊，請參閱[加入 Amazon SageMaker Studio Lab](studio-lab-onboard.md)。
1. 在**筆記本運算執行個體**下，選擇運算執行個體類型。如需運算執行個體類型的更多詳細資訊，請參閱[運算執行個體類型](#studio-lab-overview-project-compute)。
1. 選擇**啟動執行期**。系統可能會要求您解決 CAPTCHA 拼圖。如需 CAPTCHA 的詳細資訊，請參閱[什麼是 CAPTCHA 拼圖？](https://docs.aws.amazon.com/waf/latest/developerguide/waf-captcha-puzzle.html)
1. 首次使用您的 Studio Lab 帳戶來啟動執行期的一次性設定：
1. 輸入要與您的 Amazon SageMaker Studio Lab 帳戶建立關聯的手機號碼，然後選擇**繼續**。
如需支援的國家和地區的資訊，請參閱[支援的國家/地區和區域 (SMS 通路)](https://docs.aws.amazon.com/pinpoint/latest/userguide/channels-sms-countries.html)。
1. 輸入發送到關聯手機號碼的 6 位數代碼，然後選擇**驗證**。
1. 選擇**複製到專案**。
## 專案
您的專案包含所有檔案和資料夾，包含 Jupyter 筆記本。您有對專案中檔案的完全控制權。您的專案同樣包含以 JupyterLab 為基礎的使用者介面。透過此介面，您可以與 Jupyter 筆記本互動、編輯原始程式碼檔案、與 GitHub 整合，以及連線到 Amazon S3。如需詳細資訊，請參閱[使用 Amazon SageMaker Studio Lab 專案執行期](studio-lab-use.md)。
以下螢幕擷取畫面顯示 Studio Lab 專案，其中已開啟檔案瀏覽器，且出現 Studio Lab 啟動器。
![\[專案使用者介面的配置。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio-lab-ui.png)
## 運算執行個體類型
您的 Amazon SageMaker Studio Lab 專案執行期以 EC2 執行個體為基礎。為您分配 15 GB 的儲存空間和 16 GB 的 RAM。無法保證運算執行個體的可用性，且需視需求而定。如果您需要額外儲存或運算資源，請考慮切換至 Studio。
Amazon SageMaker Studio Lab 提供 CPU (中央處理單元) 和 GPU (圖形處理單元) 的選擇。下列各節提供這兩個選項的相關資訊，包括選項指引。
**CPU**
中央處理單元 (CPU) 旨在有效率地處理各種任務，但可以同時執行的任務數量受到限制。對於機器學習，建議將 CPU 用於運算密集型演算法，例如時間序列、預測和表格式資料。
CPU 運算類型一次最多 4 小時，在 24 小時內的限制為 8 小時。
**GPU**
圖形處理單元 (GPU) 旨在同時呈現高解析度影像和視訊。建議使用 GPU 進行深度學習任務，特別適合轉換器和電腦視覺。
GPU 運算類型一次最多 4 小時，在 24 小時內的限制為 4 小時。
**運算時間**
當 Studio Lab 運算時間達到時間限制時，執行個體會停止所有執行中的運算。Studio Lab 不支援增加時間限制。
當您更新環境及每次建立新檔案時，Studio Lab 都會自動儲存您的環境。即使在執行期結束後，已自訂安裝的延伸和套件仍會持續存在。
系統會定期儲存檔案編輯內容，但在執行期結束時，則不會儲存。若要確保您不會失去進度，請手動儲存工作。如果您的 Studio Lab 專案中有不想失去的內容，建議您將內容備份到其他地方。有關導出環境和文件的詳細資訊，請參閱[將 Amazon SageMaker Studio Lab 環境匯出至 Amazon SageMaker Studio Classic](studio-lab-use-migrate.md)。
在長時間運算期間，您不需要保持專案開啟。例如，您可以開始訓練模型，然後關閉瀏覽器。執行個體會在 24 小時內持續執行，直到達到運算類型限制。稍後，您可以登入以繼續您的工作。
我們建議您在深度學習任務中使用檢查點。您可以使用已儲存的檢查點，從先前儲存的檢查點重新啟動任務。如需詳細資訊，請參閱[檔案 I/O](https://d2l.ai/chapter_deep-learning-computation/read-write.html?highlight=checkpointing)。
## 專案執行期
專案執行期是您的運算執行個體為執行中的期間。
## Session (工作階段)
每次啟動您的專案時，使用者工作階段就會開始。