Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Einrichtung einer DLAMI-Instanz
Nachdem Sie [ein DLAMI](choose-dlami.md) und [einen Amazon Elastic Compute Cloud (Amazon EC2) -Instanztyp ausgewählt](instance-select.md) haben, den Sie verwenden möchten, können Sie Ihre neue DLAMI-Instanz einrichten.
Wenn Sie noch kein DLAMI und keinen EC2 Instanztyp ausgewählt haben, finden Sie weitere Informationen unter. [Erste Schritte mit DLAMI](getting-started.md)
**Topics**
+ [Die ID eines DLAMI ermitteln](find-dlami-id.md)
+ [Eine DLAMI-Instanz starten](launch.md)
+ [Verbindung zu einer DLAMI-Instanz herstellen](setup-connect.md)
+ [Einrichtung eines Jupyter Notebook-Servers auf einer DLAMI-Instanz](setup-jupyter.md)
+ [Bereinigen einer DLAMI-Instanz](setup-cleanup.md)
# Die ID eines DLAMI ermitteln
Jedes DLAMI hat eine eindeutige Kennung (ID). Wenn Sie eine DLAMI-Instance über die EC2 Amazon-Konsole starten, können Sie optional die DLAMI-ID verwenden, um nach dem DLAMI zu suchen, das Sie verwenden möchten. Wenn Sie eine DLAMI-Instanz mit AWS Command Line Interface (AWS CLI) starten, ist diese ID erforderlich.
Sie können die ID für das DLAMI Ihrer Wahl finden, indem Sie einen AWS CLI Befehl für Amazon EC2 oder Parameter Store verwenden, eine Funktion von. AWS Systems Manager Anweisungen zur Installation und Konfiguration von finden [Sie unter Erste Schritte mit dem AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started) im *AWS Command Line Interface Benutzerhandbuch*. AWS CLI
------
#### [ Using Parameter Store ]
**Um eine DLAMI-ID zu finden mit **ssm get-parameter****
Im folgenden [https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ssm/get-parameter.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ssm/get-parameter.html)Befehl lautet das Format des Parameternamens für die `--name` Option. */aws/service/deeplearning/ami/\$1architecture/\$1ami\$1type/latest/ami-id* In diesem Namensformat *architecture* kann entweder **x86\$164** oder sein**arm64**. Geben Sie das an, *ami\$1type* indem Sie den DLAMI-Namen verwenden und die Schlüsselwörter „deep“, „learning“ und „ami“ entfernen. Der AMI-Name befindet sich in[AMIs Versionshinweise zu Deep Learning](appendix-ami-release-notes.md).
**Wichtig**
Um diesen Befehl verwenden zu können, muss der AWS Identity and Access Management (IAM-) Principal, den Sie verwenden, über die `ssm:GetParameter` entsprechende Berechtigung verfügen. *Weitere Informationen zu IAM-Prinzipalen finden Sie im Abschnitt [Zusätzliche Ressourcen](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html#id_roles_additional-resources) unter **IAM-Rollen im IAM-Benutzerhandbuch**.*
+
```
aws ssm get-parameter --name /aws/service/deeplearning/ami/x86_64/base-oss-nvidia-driver-ubuntu-22.04/latest/ami-id \
--region us-east-1 --query "Parameter.Value" --output text
```
Die Ausgabe sollte folgendermaßen oder ähnlich aussehen:
```
ami-09ee1a996ac214ce7
```
**Tipp**
Für einige derzeit unterstützte DLAMI-Frameworks finden Sie spezifischere **ssm get-parameter** Beispielbefehle unter. [AMIs Versionshinweise zu Deep Learning](appendix-ami-release-notes.md) Wählen Sie den Link zu den Versionshinweisen des von Ihnen ausgewählten DLAMI und suchen Sie dann in den Versionshinweisen nach der entsprechenden ID-Abfrage.
------
#### [ Using Amazon EC2 CLI ]
**Um eine DLAMI-ID zu finden mit **ec2 describe-images****
Geben Sie im folgenden [https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/describe-images.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/describe-images.html)Befehl für den Wert des Filters `Name=name` den DLAMI-Namen ein. Sie können eine Release-Version für ein bestimmtes Framework angeben, oder Sie können die neueste Version abrufen, indem Sie die Versionsnummer durch ein Fragezeichen (?) ersetzen.
+
```
aws ec2 describe-images --region us-east-1 --owners amazon \
--filters 'Name=name,Values=Deep Learning Base OSS Nvidia Driver GPU AMI (Ubuntu 22.04) ????????' 'Name=state,Values=available' \
--query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' --output text
```
Die Ausgabe sollte folgendermaßen oder ähnlich aussehen:
```
ami-09ee1a996ac214ce7
```
**Tipp**
Einen **ec2 describe-images** Beispielbefehl, der spezifisch für das DLAMI Ihrer Wahl ist, finden Sie unter. [AMIs Versionshinweise zu Deep Learning](appendix-ami-release-notes.md) Wählen Sie den Link zu den Versionshinweisen des von Ihnen ausgewählten DLAMI und suchen Sie dann in den Versionshinweisen nach der entsprechenden ID-Abfrage.
------
**Nächster Schritt**
[Eine DLAMI-Instanz starten](launch.md)
# Eine DLAMI-Instanz starten
Nachdem Sie [die ID des DLAMI gefunden](find-dlami-id.md) haben, das Sie zum Starten einer DLAMI-Instanz verwenden möchten, können Sie die Instance starten. Um es zu starten, können Sie entweder die EC2 Amazon-Konsole oder die AWS Command Line Interface (AWS CLI) verwenden.
**Anmerkung**
Für diese exemplarische Vorgehensweise verweisen wir möglicherweise speziell auf das Deep Learning Base OSS Nvidia Driver GPU AMI (Ubuntu 22.04). Auch wenn Sie ein anderes DLAMI auswählen, sollten Sie in der Lage sein, dieser Anleitung zu folgen.
------
#### [ EC2 console ]
**Anmerkung**
Um Anwendungen für Hochleistungscomputing (HPC) und maschinelles Lernen zu beschleunigen, können Sie Ihre DLAMI-Instanz mit einem Elastic Fabric Adapter (EFA) starten. Spezifische Anweisungen finden Sie unter. [Starten einer Instance mit EFA AWS Deep Learning AMIs](tutorial-efa-launching.md)
1. Öffnen Sie die [EC2 Konsole](https://console.aws.amazon.com/ec2).
1. Notieren Sie sich Ihre aktuelle AWS-Region Position in der obersten Navigationsleiste. Wenn dies nicht Ihre gewünschte Region ist, ändern Sie diese Option, bevor Sie fortfahren. Weitere Informationen finden Sie unter der [ EC2 Amazon-Servicendpunkte](https://docs.aws.amazon.com/general/latest/gr/ec2-service.html#ec2_region) in der *Allgemeine Amazon Web Services-Referenz*.
1. Wählen Sie **Launch Instance** aus.
1. Geben Sie einen Namen für Ihre Instanz ein und wählen Sie das für Sie passende DLAMI aus.
1. Suchen Sie in „**Mein**“ nach einem vorhandenen DLAMI AMIs oder wählen Sie „**Schnellstart**“.
1. Suche nach DLAMI-ID. Durchsuchen Sie die Optionen und wählen Sie dann Ihre Wahl aus.
1. Wählen Sie einen Instance-Type. Die empfohlenen Instanzfamilien für Ihr DLAMI finden Sie unter. [AMIs Versionshinweise zu Deep Learning](appendix-ami-release-notes.md) Allgemeine Empfehlungen zu DLAMI-Instanztypen finden Sie unter. [Auswahl eines DLAMI-Instanztyps](instance-select.md)
1. Wählen Sie **Launch Instance** aus.
------
#### [ AWS CLI ]
+ Um das verwenden zu können AWS CLI, benötigen Sie die ID des DLAMIs, das Sie verwenden möchten, den EC2 Instanztyp AWS-Region und Ihre Sicherheitstoken-Informationen. Anschließend können Sie die Instance mit dem [https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/run-instances.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/run-instances.html) AWS CLI Befehl starten.
Anweisungen zur Installation und Konfiguration von finden [Sie unter Erste Schritte mit dem AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started) im *AWS Command Line Interface Benutzerhandbuch*. AWS CLI Weitere Informationen, einschließlich Befehlsbeispielen, finden Sie unter [Starten, Auflisten und Schließen von EC2 Amazon-Instances für die AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-services-ec2-instances.html).
------
Nachdem Sie Ihre Instance entweder über die EC2 Amazon-Konsole oder gestartet haben AWS CLI, warten Sie, bis die Instance bereit ist. Dieser Vorgang dauert einige Minuten. Sie können den Status der Instance in der [ EC2 Amazon-Konsole](https://console.aws.amazon.com/ec2) überprüfen. Weitere Informationen finden Sie unter [Statuschecks für EC2 Amazon-Instances](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/monitoring-system-instance-status-check.html) im * EC2 Amazon-Benutzerhandbuch*.
**Nächster Schritt**
[Verbindung zu einer DLAMI-Instanz herstellen](setup-connect.md)
# Verbindung zu einer DLAMI-Instanz herstellen
Nachdem Sie [eine DLAMI-Instanz gestartet](launch.md) haben und die Instanz läuft, können Sie über SSH von einem Client (Windows, macOS oder Linux) aus eine Verbindung zu ihr herstellen. Anweisungen finden Sie im * EC2 Amazon-Benutzerhandbuch* unter Herstellen einer [Connect zu Ihrer Linux-Instance mithilfe von SSH](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/AccessingInstances.html).
Halten Sie eine Kopie des SSH-Login-Befehls bereit, falls Sie nach der Anmeldung einen Jupyter Notebook-Server einrichten möchten. Um eine Verbindung zur Jupyter-Webseite herzustellen, verwenden Sie eine Variante dieses Befehls.
**Nächster Schritt**
[Einrichtung eines Jupyter Notebook-Servers auf einer DLAMI-Instanz](setup-jupyter.md)
# Einrichtung eines Jupyter Notebook-Servers auf einer DLAMI-Instanz
Mit einem Jupyter Notebook-Server können Sie Jupyter-Notebooks von Ihrer DLAMI-Instanz aus erstellen und ausführen. Mit Jupyter-Notebooks können Sie Machine-Learning-Experimente (ML) für Training und Inferenz durchführen, während Sie die AWS Infrastruktur nutzen und auf die in der DLAMI integrierten Pakete zugreifen. Weitere Informationen zu Jupyter-Notebooks finden Sie unter [The](https://jupyter-notebook.readthedocs.io/en/latest/notebook.html) Jupyter Notebook auf der Website Jupyter User Documentation.
Um einen Jupyter Notebook-Server einzurichten, müssen Sie:
+ Konfigurieren Sie den Jupyter Notebook-Server auf Ihrer DLAMI-Instanz.
+ Konfigurieren Sie Ihren Client so, dass er eine Verbindung zum Jupyter Notebook-Server herstellt. Wir stellen Konfigurationsanweisungen für Windows-, MacOS- und Linux-Clients zur Verfügung.
+ Testen Sie das Setup, indem Sie sich beim Jupyter Notebook-Server anmelden.
Folgen Sie den Anweisungen in den folgenden Themen, um diese Schritte abzuschließen. Nachdem Sie einen Jupyter Notebook-Server eingerichtet haben, können Sie die Beispiel-Notebook-Tutorials ausführen, die im Lieferumfang von enthalten sind. DLAMIs Weitere Informationen finden Sie unter [Ausführen von Jupyter-Notebook-Tutorials](tutorial-jupyter.md).
**Topics**
+ [Server sichern](setup-jupyter-secure.md)
+ [Server wird gestartet](setup-jupyter-start-server.md)
+ [Client wird verbunden](setup-jupyter-connect.md)
+ [Einloggen](setup-jupyter-login.md)
# Sicherung des Jupyter Notebook-Servers auf einer DLAMI-Instanz
Um Ihren Jupyter Notebook-Server zu schützen, empfehlen wir, ein Passwort einzurichten und ein SSL-Zertifikat für den Server zu erstellen. Um ein Passwort und SSL zu konfigurieren, [stellen Sie zunächst eine Verbindung zu Ihrer DLAMI-Instanz](setup-connect.md) her und folgen Sie dann diesen Anweisungen.
**Um den Jupyter Notebook-Server zu sichern**
1. Jupyter bietet ein Passwort-Dienstprogramm. Führen Sie den folgenden Befehl aus und geben Sie Ihr bevorzugtes Passwort ein, wenn Sie dazu aufgefordert werden.
```
$ jupyter notebook password
```
Das Ergebnis sieht etwa folgendermaßen aus:
```
Enter password:
Verify password:
[NotebookPasswordApp] Wrote hashed password to /home/ubuntu/.jupyter/jupyter_notebook_config.json
```
1. Erstellen Sie ein selbstsigniertes SSL-Zertifikat Folgen Sie den Anweisungen, um Ihren Ortsnamen entsprechend einzutragen. Geben Sie `.` ein, wenn Sie eine Eingabeaufforderung leer lassen möchten. Ihre Antworten wirken sich nicht auf die Funktionalität des Zertifikats aus.
```
$ cd ~
$ mkdir ssl
$ cd ssl
$ openssl req -x509 -nodes -days 365 -newkey rsa:2048 -keyout mykey.key -out mycert.pem
```
**Anmerkung**
Möglicherweise möchten Sie ein reguläres SSL-Zertifikat erstellen, das von einem Drittanbieter signiert ist und nicht dazu führt, dass der Browser Ihnen eine Sicherheitswarnung ausgibt. Dieser Prozess ist wesentlich aufwendiger. Weitere Informationen finden Sie unter [Sichern eines Notebook-Servers](https://jupyter-notebook.readthedocs.io/en/6.2.0/public_server.html#securing-a-notebook-server) in der Jupyter Notebook-Benutzerdokumentation.
**Nächster Schritt**
[Den Jupyter Notebook-Server auf einer DLAMI-Instanz starten](setup-jupyter-start-server.md)
# Den Jupyter Notebook-Server auf einer DLAMI-Instanz starten
Nachdem Sie [Ihren Jupyter Notebook-Server mit einem Passwort und SSL gesichert haben, können Sie den Server](setup-jupyter-secure.md) starten. Melden Sie sich bei Ihrer DLAMI-Instanz an und führen Sie den folgenden Befehl aus, der das zuvor erstellte SSL-Zertifikat verwendet.
```
$ jupyter notebook --certfile=~/ssl/mycert.pem --keyfile ~/ssl/mykey.key
```
Wenn der Server gestartet ist, können Sie sich von Ihrem Client-Computer aus über einen SSH-Tunnel mit ihm verbinden. Wenn der Server ausgeführt wird, sehen Sie eine Ausgabe von Jupyter. Diese bestätigt, dass der Server ausgeführt wird. Ignorieren Sie an dieser Stelle den Hinweis, dass Sie über eine lokale Host-URL auf den Server zugreifen können, da dies erst funktioniert, wenn Sie den Tunnel erstellt haben.
**Anmerkung**
Jupyter übernimmt das Wechseln von Umgebungen, wenn Sie die Frameworks mithilfe der Jupyter-Web-Schnittstelle wechseln. Weitere Informationen finden Sie unter [Wechseln von Umgebungen mit Jupyter](tutorial-jupyter.md#tutorial-jupyter-switching).
**Nächster Schritt**
[Einen Client mit dem Jupyter Notebook-Server auf einer DLAMI-Instanz verbinden](setup-jupyter-connect.md)
# Einen Client mit dem Jupyter Notebook-Server auf einer DLAMI-Instanz verbinden
Nachdem Sie [den Jupyter Notebook-Server auf Ihrer DLAMI-Instanz gestartet haben, konfigurieren Sie Ihren](setup-jupyter-start-server.md) Windows-, macOS- oder Linux-Client so, dass er eine Verbindung zum Server herstellt. Wenn Sie eine Verbindung herstellen, können Sie Jupyter-Notebooks auf dem Server in Ihrem Workspace erstellen und darauf zugreifen und Ihren Deep-Learning-Code auf dem Server ausführen.
## Voraussetzungen
Stellen Sie sicher, dass Sie über Folgendes verfügen, das Sie für die Einrichtung eines SSH-Tunnels benötigen:
+ Der öffentliche DNS-Name Ihrer Amazon EC2 EC2-Instance. Weitere Informationen finden Sie unter [Hostnamentypen für Amazon-EC2-Instances](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-instance-naming.html) im *Benutzerhandbuch für Amazon EC2*.
+ Das Schlüsselpaar für die private Schlüsseldatei. Weitere Informationen zum Zugriff auf Ihr key pair finden Sie unter [Amazon EC2 EC2-Schlüsselpaare und Amazon EC2 EC2-Instances](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-key-pairs.html) im *Amazon EC2 EC2-Benutzerhandbuch*.
## Von einem Windows-, macOS- oder Linux-Client aus eine Connect
Um von einem Windows-, macOS- oder Linux-Client aus eine Verbindung zu Ihrer DLAMI-Instanz herzustellen, folgen Sie den Anweisungen für das Betriebssystem Ihres Clients.
------
#### [ Windows ]
**So stellen Sie über SSH von einem Windows-Client aus eine Verbindung zu Ihrer DLAMI-Instanz her**
1. Verwenden Sie einen SSH-Client für Windows, z. B. PuTTY. Anweisungen finden Sie unter [Connect zu Ihrer Linux-Instance mithilfe von PuTTY](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/connect-linux-inst-from-windows.html) im *Amazon EC2 EC2-Benutzerhandbuch*. Weitere SSH-Verbindungsoptionen finden Sie unter Mit [SSH Connect zu Ihrer Linux-Instance herstellen](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/connect-to-linux-instance.html).
1. (Optional) Erstellen Sie einen SSH-Tunnel zu einem laufenden Jupyter-Server. Installieren Sie Git Bash auf Ihrem Windows-Client und folgen Sie dann den Verbindungsanweisungen für macOS- und Linux-Clients.
------
#### [ macOS or Linux ]
**So stellen Sie über SSH von einem macOS- oder Linux-Client aus eine Verbindung zu Ihrer DLAMI-Instanz her**
1. Öffnen Sie ein -Terminalfenster.
1. Führen Sie den folgenden Befehl aus, um alle Anfragen auf dem lokalen Port 8888 an den Port 8888 auf Ihrer Amazon EC2 EC2-Remoteinstanz weiterzuleiten. Aktualisieren Sie den Befehl, indem Sie den Speicherort Ihres Schlüssels für den Zugriff auf die Amazon EC2 EC2-Instance und den öffentlichen DNS-Namen Ihrer Amazon EC2 EC2-Instance ersetzen. Hinweis: Bei einem Amazon Linux-AMI lautet der Benutzername `ec2-user` anstelle von `ubuntu`.
```
$ ssh -i ~/mykeypair.pem -N -f -L 8888:localhost:8888 ubuntu@ec2-###-##-##-###.compute-1.amazonaws.com
```
Dieser Befehl öffnet einen Tunnel zwischen Ihrem Client und der Amazon EC2 EC2-Remoteinstanz, auf der der Jupyter Notebook-Server ausgeführt wird.
------
**Nächster Schritt**
[Anmeldung am Jupyter Notebook-Server auf einer DLAMI-Instanz](setup-jupyter-login.md)
# Anmeldung am Jupyter Notebook-Server auf einer DLAMI-Instanz
Nachdem Sie [Ihren Client mit dem Jupyter Notebook-Server auf Ihrer DLAMI-Instanz verbunden](setup-jupyter-connect.md) haben, können Sie sich beim Server anmelden.
**Um sich in Ihrem Browser beim Server anzumelden**
1. Geben Sie in der Adressleiste Ihres Browsers die folgende URL ein oder klicken Sie auf diesen Link: [https://localhost:8888](https://localhost:8888)
1. Bei einem selbstsignierten SSL-Zertifikat warnt Sie Ihr Browser und fordert Sie auf, den weiteren Besuch der Website zu vermeiden.
![\[SSL-Warnung\]](http://docs.aws.amazon.com/de_de/dlami/latest/devguide/images/ssl-warning1.png)
Da Sie dies selbst eingerichtet haben, können Sie bedenkenlos fortfahren. Abhängig von Ihrem Browser wird die Schaltfläche "Erweitert", "Details anzeigen" oder eine ähnliche angezeigt.
![\[SSL-Warnungsbestätigung\]](http://docs.aws.amazon.com/de_de/dlami/latest/devguide/images/ssl-warning2.png)
Klicken Sie darauf und anschließend auf den Link "Weiter zu localhost". Wenn die Verbindung erfolgreich ist, wird die Webseite des Jupyter Notebook-Servers angezeigt. An dieser Stelle werden Sie nach dem Passwort gefragt, das Sie zuvor eingerichtet haben.
Jetzt haben Sie Zugriff auf den Jupyter Notebook-Server, der auf der DLAMI-Instanz läuft. Sie können nun neue Notebooks erstellen oder die bereitgestellten [Lernprogramme](tutorials.md) ausführen.
# Bereinigen einer DLAMI-Instanz
Wenn Sie Ihre DLAMI-Instance nicht mehr benötigen, können Sie sie bei Amazon beenden oder kündigen, um EC2 unerwartete Gebühren zu vermeiden.
Wenn Sie eine Instance beenden, können Sie sie behalten und sie später wieder starten, wenn Sie sie erneut verwenden möchten. Ihre Konfigurationen, Dateien und andere nichtflüchtige Informationen werden in einem Volume auf Amazon Simple Storage Service (Amazon S3) gespeichert. Solange Ihre Instance gestoppt ist, fallen für die Aufbewahrung des Volumes S3-Gebühren an, für Rechenressourcen fallen jedoch keine Gebühren an. Wenn Sie die Instance erneut starten, wird das Speichervolume mit Ihren Daten bereitgestellt.
Wenn Sie eine Instance beenden, ist sie weg und Sie können sie nicht erneut starten. Natürlich fallen bei einer beendeten Instance keine weiteren Gebühren für die Rechenressourcen an. Ihre Daten befinden sich jedoch weiterhin auf Amazon S3, und es können weiterhin S3-Gebühren anfallen. Um alle weiteren Gebühren im Zusammenhang mit Ihrer beendeten Instance zu vermeiden, müssen Sie auch das Speichervolumen auf Amazon S3 löschen. Anweisungen finden Sie unter [ EC2 Amazon-Instances beenden](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/terminating-instances.html) im * EC2 Amazon-Benutzerhandbuch*.
Weitere Informationen zu EC2 Amazon-Instanzstatus, wie z. B. `stopped` und`terminated`, finden Sie unter [Änderungen des EC2 Amazon-Instanzstatus](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-instance-lifecycle.html) im * EC2 Amazon-Benutzerhandbuch*.