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
<a name="studio-lab"></a>

**注意**  
自 2025 年 8 月 8 日起，Amazon SageMaker Studio Lab 使用 JupyterLab 4 而非 JupyterLab 3。如果您遇到相依性問題，請重新安裝您已新增至環境的任何延伸模組。

 Amazon SageMaker Studio Lab 是一項免費服務，可讓客戶在以開放原始碼 JupyterLab 4 為基礎的環境中存取 AWS 運算資源。它是以與 Amazon SageMaker Studio Classic 相同的架構和使用者介面為基礎，但具有 Studio Classic 功能子集。

使用 Studio Lab，您可以使用 AWS 運算資源來建立和執行 Jupyter 筆記本，而無需註冊 AWS 帳戶。由於 Studio Lab 是以開放原始碼 JupyterLab 為基礎，因此可以利用開放原始碼 Jupyter 擴充功能來執行您的 Jupyter 筆記本。

 **Studio Lab 相較於 Amazon SageMaker Studio Classic**

雖然 Studio Lab 提供免費存取 AWS 運算資源，但 Amazon SageMaker Studio Classic 提供 Studio Lab 不支援的下列進階機器學習功能。
+ 持續整合和持續交付 (管道)
+ 即時預測
+ 大規模分散式訓練
+ 資料準備 (Amazon SageMaker Data Wrangler)
+ 資料標籤 (Amazon SageMaker Ground Truth)
+ 特徵存放區
+ 偏差分析 (釐清)
+ 模型部署
+ 模型監控

Studio Classic 也支援使用 AWS Identity and Access Management (IAM)、Amazon Virtual Private Cloud (Amazon VPC) 和 AWS Key Management Service () 的精細存取控制和安全性AWS KMS。Studio Lab 不支援這些 Studio Classic 功能，也不支援使用估算器和內建 SageMaker 演算法。

若要匯出 Studio Lab 項目以與 Studio Classic 搭配使用，請參閱[將 Amazon SageMaker Studio Lab 環境匯出至 Amazon SageMaker Studio Classic](studio-lab-use-migrate.md)。

下列主題提供 Studio Lab 的相關資訊及使用方法

**Topics**
+ [Amazon SageMaker Studio Lab 元件概觀](studio-lab-overview.md)
+ [加入 Amazon SageMaker Studio Lab](studio-lab-onboard.md)
+ [管理您的帳戶](studio-lab-manage-account.md)
+ [啟動您的 Amazon SageMaker Studio Lab 專案執行期](studio-lab-manage-runtime.md)
+ [使用 Amazon SageMaker Studio Lab 入門資產](studio-lab-integrated-resources.md)
+ [Studio Lab 預先安裝環境](studio-lab-environments.md)
+ [使用 Amazon SageMaker Studio Lab 專案執行期](studio-lab-use.md)
+ [疑難排解](studio-lab-troubleshooting.md)