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.
JupyterLab Versionierung
Wichtig
Benutzerdefinierte IAM Richtlinien, die es Amazon SageMaker Studio oder Amazon SageMaker Studio Classic ermöglichen, SageMaker Amazon-Ressourcen zu erstellen, müssen auch Berechtigungen zum Hinzufügen von Tags zu diesen Ressourcen gewähren. Die Berechtigung zum Hinzufügen von Tags zu Ressourcen ist erforderlich, da Studio und Studio Classic automatisch alle von ihnen erstellten Ressourcen taggen. Wenn eine IAM Richtlinie Studio und Studio Classic das Erstellen von Ressourcen, aber kein Taggen erlaubt, können "AccessDenied" Fehler auftreten, wenn versucht wird, Ressourcen zu erstellen. Weitere Informationen finden Sie unter Stellen Sie Berechtigungen für das Taggen von Ressourcen SageMaker bereit.
AWS Verwaltete Richtlinien für Amazon SageMakerdie Berechtigungen zum Erstellen von SageMaker Ressourcen gewähren, beinhalten bereits Berechtigungen zum Hinzufügen von Tags beim Erstellen dieser Ressourcen.
Wichtig
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Verwendung der Studio Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Oberfläche finden Sie unterAmazon SageMaker Studio.
Die Amazon SageMaker Studio Classic-Oberfläche basiert auf JupyterLab einer webbasierten interaktiven Entwicklungsumgebung für Notebooks, Code und Daten. Studio Classic unterstützt nur die Verwendung von JupyterLab 3.
Wenn Sie Ihre Domain und Ihr Benutzerprofil AWS Management Console vor dem 31.08.2022 oder vor dem 22.02.23 erstellt haben, wurde Ihre Studio Classic-Instanz standardmäßig auf 1 gesetzt. AWS Command Line Interface JupyterLab Nach dem 01.07.2024 können Sie keine Studio Classic-Anwendungen mehr erstellen, auf denen 1 ausgeführt wird. JupyterLab
JupyterLab 3
JupyterLab 3 umfasst die folgenden Funktionen, die in früheren Versionen nicht verfügbar waren. Weitere Informationen zu diesen Funktionen finden Sie unter JupyterLab 3.0 ist veröffentlicht!
-
Visueller Debugger bei Verwendung der Basis-Kernel Python 2.0 und Data Science 2.0.
-
Dateibrowserfilter
-
Inhaltsverzeichnis (TOC)
-
Mehrsprachige Unterstützung
-
Einfacher Modus
-
Einzelbenutzermodus
Wichtige Änderungen an JupyterLab 3
Beachten Sie bei der Verwendung von JupyterLab 3 Folgendes:
-
Wenn Sie die JupyterLab Version mithilfe von einstellen AWS CLI, wählen Sie das entsprechende Bild für Ihre Region und JupyterLab Version aus der Bilderliste unter ausAus dem AWS CLI.
-
In JupyterLab 3 müssen Sie die
studio
Conda-Umgebung aktivieren, bevor Sie Erweiterungen installieren. Weitere Informationen finden Sie unter Installation JupyterLab und Jupyter Server-Erweiterungen. -
Der Debugger wird nur unterstützt, wenn die folgenden Images verwendet werden:
-
Python 2.0 als Basis
-
Datenwissenschaft 2.0
-
Python 3.0 als Basis
-
Datenwissenschaft 3.0
-
Einschränken der JupyterLab Standardversion mithilfe eines IAM Richtlinienbedingungsschlüssels
Sie können IAM die Bedingungsschlüssel für Richtlinien verwenden, um die Version einzuschränken JupyterLab , die Ihre Benutzer starten können.
Die folgende Richtlinie zeigt, wie Sie die JupyterLab Version auf Domänenebene einschränken können.
{ "Version": "2012-10-17", "Statement": [ { "Sid": "Block users from creating JupyterLab 3 apps at the domain level", "Effect": "Deny", "Action": [ "sagemaker:CreateDomain", "sagemaker:UpdateDomain" ], "Resource": "*", "Condition": { "ForAnyValue:StringLike": { "sagemaker:ImageArns": "*image/jupyter-server-3" } } } ] }
Die folgende Richtlinie zeigt, wie die JupyterLab Version auf Benutzerprofilebene begrenzt werden kann.
{ "Version": "2012-10-17", "Statement": [ { "Sid": "Block users from creating JupyterLab 3 apps at the user profile level", "Effect": "Deny", "Action": [ "sagemaker:CreateUserProfile", "sagemaker:UpdateUserProfile" ], "Resource": "*", "Condition": { "ForAnyValue:StringLike": { "sagemaker:ImageArns": "*image/jupyter-server-3" } } } ] }
Die folgende Richtlinie zeigt, wie die JupyterLab Version auf Anwendungsebene begrenzt werden kann. Die CreateApp
Anfrage muss das Bild enthalten, ARN damit diese Richtlinie gilt.
{ "Version": "2012-10-17", "Statement": [ { "Sid": "Block users from creating JupyterLab 3 apps at the application level", "Effect": "Deny", "Action": "sagemaker:CreateApp", "Resource": "*", "Condition": { "ForAnyValue:StringLike": { "sagemaker:ImageArns": "*image/jupyter-server-3" } } } ] }
Eine JupyterLab Standardversion festlegen
In den folgenden Abschnitten wird gezeigt, wie Sie mithilfe der Konsole oder der eine JupyterLab Standardversion für Studio Classic festlegen AWS CLI.
Über die Konsole
Sie können die JupyterLab Standardversion auswählen, die bei der Ressourcenerstellung entweder auf Domänen- oder Benutzerprofilebene verwendet werden soll. Informationen zum Einstellen der JupyterLab Standardversion mithilfe der Konsole finden Sie unter SageMaker Amazon-Domain-Übersicht.
Aus dem AWS CLI
Mit dem können Sie die JupyterLab Standardversion auswählen, die entweder auf Domänen- oder Benutzerprofilebene verwendet werden soll AWS CLI.
Um die JupyterLab Standardversion mithilfe von festzulegen AWS CLI, müssen Sie die Version ARN der gewünschten JupyterLab Standardversion als Teil eines AWS CLI Befehls angeben. Dies ARN unterscheidet sich je nach Version und Region der SageMaker Domäne.
In der folgenden Tabelle sind ARNs die verfügbaren JupyterLab Versionen für jede Region aufgeführt:
Region | JL3 |
---|---|
us-east-1 | arn:aws:sagemaker:us-east-1:081325390199:image/jupyter-server-3 |
us-east-2 | arn:aws:sagemaker:us-east-2:429704687514:image/jupyter-server-3 |
us-west-1 | arn:aws:sagemaker:us-west-1:742091327244:image/jupyter-server-3 |
us-west-2 | arn:aws:sagemaker:us-west-2:236514542706:image/jupyter-server-3 |
af-south-1 | arn:aws:sagemaker:af-south-1:559312083959:image/jupyter-server-3 |
ap-east-1 | arn:aws:sagemaker:ap-east-1:493642496378:image/jupyter-server-3 |
ap-south-1 | arn:aws:sagemaker:ap-south-1:394103062818:image/jupyter-server-3 |
ap-northeast-2 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/jupyter-server-3 |
ap-southeast-1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/jupyter-server-3 |
ap-southeast-2 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/jupyter-server-3 |
ap-northeast-1 | arn:aws:sagemaker:ap-northeast-1:102112518831:image/jupyter-server-3 |
ca-central-1 | arn:aws:sagemaker:ca-central-1:310906938811:image/jupyter-server-3 |
eu-central-1 | arn:aws:sagemaker:eu-central-1:936697816551:image/jupyter-server-3 |
eu-west-1 | arn:aws:sagemaker:eu-west-1:470317259841:image/jupyter-server-3 |
eu-west-2 | arn:aws:sagemaker:eu-west-2:712779665605:image/jupyter-server-3 |
eu-west-3 | arn:aws:sagemaker:eu-west-3:615547856133:image/jupyter-server-3 |
eu-north-1 | arn:aws:sagemaker:eu-north-1:243637512696:image/jupyter-server-3 |
eu-south-1 | arn:aws:sagemaker:eu-south-1:592751261982:image/jupyter-server-3 |
eu-south-2 | arn:aws:sagemaker:eu-south-2:127363102723:image/jupyter-server-3 |
sa-east-1 | arn:aws:sagemaker:sa-east-1:782484402741:image/jupyter-server-3 |
cn-north-1 | arn:aws-cn:sagemaker:cn-north-1:390048526115:image/jupyter-server-3 |
cn-northwest-1 | arn:aws-cn:sagemaker:cn-northwest-1:390780980154:image/jupyter-server-3 |
Domain erstellen oder aktualisieren
Sie können eine JupyterServer Standardversion auf Domänenebene festlegen, indem Sie CreateDomainoder aufrufen UpdateDomainund das UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn
Feld übergeben.
Im Folgenden wird gezeigt, wie Sie eine Domäne mit JupyterLab 3 als Standard erstellen, indem Sie Folgendes AWS CLI verwenden:
aws --region
<REGION>
\ sagemaker create-domain \ --domain-name<NEW_DOMAIN_NAME>
\ --auth-mode<AUTHENTICATION_MODE>
\ --subnet-ids<SUBNET-IDS>
\ --vpc-id<VPC-ID>
\ --default-user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:<REGION>
:<ACCOUNT_ID>
:image/jupyter-server-3", "InstanceType": "system" } } }'
Im Folgenden wird gezeigt, wie Sie eine Domain so aktualisieren, dass sie JupyterLab 3 als Standard verwendet, und zwar mithilfe von AWS CLI:
aws --region
<REGION>
\ sagemaker update-domain \ --domain-id<YOUR_DOMAIN_ID>
\ --default-user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:<REGION>
:<ACCOUNT_ID>
:image/jupyter-server-3", "InstanceType": "system" } } }'
Benutzerprofil erstellen oder aktualisieren
Sie können eine JupyterServer Standardversion auf Benutzerprofilebene festlegen, indem Sie CreateUserProfileoder aufrufen UpdateUserProfileund das UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn
Feld übergeben.
Im Folgenden wird gezeigt, wie Sie ein Benutzerprofil mit JupyterLab 3 als Standard in einer vorhandenen Domäne erstellen, indem Sie Folgendes AWS CLI verwenden:
aws --region
<REGION>
\ sagemaker create-user-profile \ --domain-id<YOUR_DOMAIN_ID>
\ --user-profile-name<NEW_USERPROFILE_NAME>
\ --query UserProfileArn --output text \ --user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:<REGION>
:<ACCOUNT_ID>
:image/jupyter-server-3", "InstanceType": "system" } } }'
Im Folgenden wird gezeigt, wie Sie ein Benutzerprofil so aktualisieren, dass es JupyterLab 3 als Standard verwendet. Dabei wird Folgendes verwendet AWS CLI:
aws --region
<REGION>
\ sagemaker update-user-profile \ --domain-id<YOUR_DOMAIN_ID>
\ --user-profile-name<EXISTING_USERPROFILE_NAME>
\ --user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:<REGION>
:<ACCOUNT_ID>
:image/jupyter-server-3", "InstanceType": "system" } } }'
Die JupyterLab Version einer Anwendung von der Konsole aus anzeigen und aktualisieren
Im Folgenden wird gezeigt, wie Sie die JupyterLab Version einer Anwendung anzeigen und aktualisieren können.
-
Navigieren Sie zur SageMaker Domain-Seite.
-
Wählen Sie eine Domain aus, um ihre Benutzerprofile anzuzeigen.
-
Wählen Sie einen Benutzer aus, um seine Anwendungen anzusehen.
-
Um die JupyterLab Version einer Anwendung anzuzeigen, wählen Sie den Namen der Anwendung aus.
-
Um die JupyterLab Version zu aktualisieren, wählen Sie Aktion aus.
-
Wählen Sie im Dropdownmenü die Option JupyterLab Version ändern aus.
-
Wählen Sie auf der Einstellungsseite von Studio Classic die JupyterLab Version aus dem Dropdownmenü aus.
-
Nachdem die JupyterLab Version für das Benutzerprofil erfolgreich aktualisiert wurde, starten Sie die JupyterServer Anwendung neu, damit die Versionsänderungen wirksam werden. Weitere Hinweise zum Neustarten einer JupyterServer Anwendung finden Sie unterFahren Sie SageMaker Studio Classic herunter und aktualisieren Sie es.
Installation JupyterLab und Jupyter Server-Erweiterungen
In JupyterLab 3 müssen Sie die studio
Conda-Umgebung aktivieren, bevor Sie Erweiterungen installieren. Die Methode hierfür unterscheidet sich, wenn Sie die Erweiterungen in Studio Classic installieren oder ein Lifecycle-Konfigurationsskript verwenden.
Erweiterung von Studio Classic aus installieren
Um Erweiterungen aus Studio Classic heraus zu installieren, müssen Sie die studio
Umgebung aktivieren, bevor Sie Erweiterungen installieren.
# Before installing extensions conda activate studio # Install your extensions pip install
<JUPYTER_EXTENSION>
# After installing extensions conda deactivate
Installieren von Erweiterungen mithilfe eines Lebenszyklus-Konfigurationsskripts
Wenn Sie Jupyter Server-Erweiterungen in Ihrem Lifecycle-Konfigurationsskript installieren JupyterLab , müssen Sie Ihr Skript so ändern, dass es mit 3 funktioniert. JupyterLab Die folgenden Abschnitte zeigen den Code, der für bestehende und neue Lebenszyklus-Konfigurationsskripten benötigt wird.
Bestehendes Lebenszyklus-Konfigurationsskript
Wenn Sie ein vorhandenes Lebenszyklus-Konfigurationsskript wiederverwenden, das mit beiden Versionen von funktionieren muss JupyterLab, verwenden Sie den folgenden Code in Ihrem Skript:
# Before installing extension export AWS_SAGEMAKER_JUPYTERSERVER_IMAGE="${AWS_SAGEMAKER_JUPYTERSERVER_IMAGE:-'jupyter-server'}" if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ] ; then eval "$(conda shell.bash hook)" conda activate studio fi; # Install your extensions pip install
<JUPYTER_EXTENSION>
# After installing extension if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ]; then conda deactivate fi;
Neues Skript für die Lebenszykluskonfiguration
Wenn Sie ein neues Lebenszykluskonfigurationsskript schreiben, das nur JupyterLab 3 verwendet, können Sie den folgenden Code in Ihrem Skript verwenden:
# Before installing extension eval "$(conda shell.bash hook)" conda activate studio # Install your extensions pip install
<JUPYTER_EXTENSION>
conda deactivate