View a markdown version of this page

Änderung der Verfügbarkeit von Studio Lab - Amazon SageMaker KI
Amazon SageMaker StudioAmazon SageMaker Studio Lab durch Amazon SageMaker Studio ersetzen

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.

Änderung der Verfügbarkeit von Studio Lab

Anmerkung

Amazon SageMaker Studio Lab steht neuen Kunden nicht mehr offen. Bestehende Kunden können den Service weiterhin wie gewohnt nutzen. AWS investiert weiterhin in Sicherheits- und Verfügbarkeitsverbesserungen für Studio Lab, aber wir planen nicht, neue Funktionen einzuführen.

Amazon SageMaker Studio

Amazon SageMaker Studio dient als vollständiger Ersatz für SageMaker Studio Lab, indem es dieselbe JupyterLab-based Notebook-Umgebung mit zusätzlichem Zugriff auf AWS Dienste, skalierbare Rechenressourcen und integrierte ML-Tools bietet. SageMaker Studio unterstützt dieselben Notebook-Runtime-, Conda-Umgebungen und Dateiverwaltungs-Workflows, mit denen Studio Lab-Benutzer vertraut sind.

Für die Datenverarbeitung bietet SageMaker Studio Zugriff auf eine Reihe von Instance-Typen, angefangen beim kostenlosen Kontingent (ml.t3.medium) bis hin zu GPU-accelerated Instanzen wie G6, G6e usw., sodass Benutzer über die von Studio Lab festgelegten Grenzwerte von 12 GB RAM und 15 GB Speicherplatz hinaus skalieren können. Für Zusammenarbeit und MLOps lässt sich SageMaker Studio in AWS Dienste wie Amazon S3, SageMaker Pipelines und Managed MLFlow zur Versuchsverfolgung integrieren. Weitere Informationen finden Sie im kostenlosen Kontingent für SageMaker KI.

Zusammen bieten diese Funktionen eine skalierbare, produktionsbereite Alternative zur kostenlosen SageMaker Notebook-Umgebung von Studio Lab.

Amazon SageMaker Studio Lab durch Amazon SageMaker Studio ersetzen

Dieser Abschnitt führt Sie durch die Migration Ihrer vorhandenen Amazon SageMaker Studio Lab-Daten zu Amazon SageMaker Studio. Diese Lösung unterstützt äquivalente Funktionen für den Betrieb von JupyterLab Notebooks, die Verwaltung von Conda-Umgebungen und das Speichern von Projektdateien während der Entwicklung auf Amazon AI. SageMaker

Aus Studio Lab exportieren

  1. Exportieren Sie Conda-Umgebungskonfigurationen. Aktivieren Sie die Conda-Umgebung, die Sie migrieren möchten, und exportieren Sie sie in eine YAML-Datei. Exportieren Sie nicht diestudiolab, oder base Umgebungenstudiolab-safemode, da diese nicht mit SageMaker Studio kompatibel sind.

  2. Speichern Sie Notizbücher und Datendateien. Laden Sie Ihre JupyterLab Notebooks (.ipynb-Dateien), Python-Skripte und alle zugehörigen Daten aus Ihrer Studio Lab-Umgebung herunter. Sie können Dateien mit dem Studio Lab-Dateibrowser auf Ihren lokalen Computer exportieren oder sie mithilfe des Studio Lab-Terminals in ein Git-Repository übertragen.

  3. Kopieren Sie große Datensätze nach Amazon S3 (falls zutreffend). Kopieren Sie große Dateien oder Verzeichnisse, die lokal nur schwer heruntergeladen werden können, mithilfe des Studio Lab-Terminals in einen S3-Bucket. Die detaillierten Schritte finden Sie unter Objekte auf Amazon S3 https://docs.aws.amazon.com/AmazonS3/latest/userguide/upload-objects.html hochladen.

  4. Löschen Sie Ihr Studio Lab-Projekt (optional). Sobald die Migration bestätigt ist, löschen Sie Ihre Studio Lab-Projektdateien, um Speicherplatz freizugeben.

Konfiguration von Ersatzteilen

  1. Erstellen Sie ein AWS Konto. Wenn Sie noch kein AWS Konto haben, erstellen Sie eines auf aws.amazon. com/free.

  2. Richten Sie eine SageMaker Studio-Domain und einen Space ein. Erstellen Sie eine SageMaker Studio-Domäne und ein Benutzerprofil und erstellen Sie dann einen JupyterLab Space. Jeder Space erhält sein eigenes Amazon EBS-Volume für persistenten Speicher. Die detaillierten Schritte finden Sie in der SageMaker AI-Domain-Übersicht.

  3. Laden Sie Notizbücher und Dateien in SageMaker Studio hoch. Öffne deinen JupyterLab Space und lade deine exportierten Dateien über das Upload-Symbol im Dateibrowser hoch oder klone dein Git-Repository direkt vom JupyterLab Terminal aus.

  4. Erstellen Sie Conda-Umgebungen in SageMaker Studio neu. Öffne ein Terminal in deinem JupyterLab Space und verwende deine exportierte YAML-Datei, um deine Conda-Umgebung neu zu erstellen. Nach der Installation wird die Umgebung als Kernel für Ihre Notebooks verfügbar sein. Die detaillierten Schritte finden Sie unter Anpassung der JupyterLab Umgebung in SageMaker Studio.

Bei der Migration zu SageMaker Studio werden nur Ihre Notebooks, Dateien und Umgebungskonfigurationen migriert. Historische Computernutzungs- oder Sitzungsprotokolle von Studio Lab werden nicht übertragen. Zukünftige Entwicklung, Experimente und Rechenmanagement werden in SageMaker Studio stattfinden.