Verwenden Sie Amazon SageMaker Studio Lab-Starter-Assets - Amazon SageMaker

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.

Verwenden Sie Amazon SageMaker Studio Lab-Starter-Assets

Amazon SageMaker Studio Lab unterstützt die folgenden Ressourcen, um Anwendern des maschinellen Lernens (ML) den Einstieg zu erleichtern. In dieser Anleitung erfahren Sie, wie Sie Notebooks für Ihr Projekt klonen.

Erste Schritte Notebook

Studio Lab wird mit einem Starter-Notebook geliefert, das allgemeine Informationen enthält und Sie durch die wichtigsten Workflows führt. Wenn Sie Ihre Projektlaufzeit zum ersten Mal starten, wird dieses Notebook automatisch geöffnet.

Eintauchen in Deep Learning

Dive into Deep Learning (D2L) ist ein interaktives Open-Source-Buch, das die Ideen, die mathematische Theorie und den Code vermittelt, die Machine Learning ermöglichen. Mit über 150 Jupyter Notebooks bietet D2L einen umfassenden Überblick über die Prinzipien von Deep Learning. Weitere Informationen über D2L finden Sie auf der D2L-Website.

Die folgenden Schritte zeigen, wie Sie die D2L Jupyter Notebooks auf Ihre Instance klonen.

  1. Starten und öffnen Sie die Studio Lab Projektlaufzeitumgebung, indem Sie Starten Sie Ihre Projektlaufzeit folgen.

  2. Sobald Studio Lab geöffnet ist, wählen Sie in der linken Seitenleiste den Tab Git ( Black square icon representing a placeholder or empty image. ).

  3. Wählen Sie Repository klonen. Fügen Sie unter Git-Repository URL (.git) das MLU Git-Repository D2L ein, indem Sie die folgenden Schritte ausführen. Wenn die Option Repository klonen nicht angezeigt wird, weil Sie sich derzeit in einem Git-Repository befinden, kehren Sie zum Benutzerverzeichnis zurück, um ein neues Repository zu klonen. Sie kehren zum Benutzerverzeichnis zurück, indem Sie in der linken Seitenleiste den Tab Ordner ( Black square icon representing a placeholder or empty image. ) wählen. Wählen Sie auf der Registerkarte Ordner unter der Dateisuchleiste das Ordnersymbol links neben dem aktuell geöffneten Repository aus. Sobald Sie im Benutzerverzeichnis sind, wählen Sie den Git-Tab in der linken Seitenleiste und wählen Sie Repository klonen.

  4. Navigieren Sie zur Projektübersichtsseite von Studio Lab. Das URL hat das folgende Format.

    https://studiolab.sagemaker.aws/users/<YOUR_USER_NAME>

  5. Unter Neu im Bereich Machine Learning?, wählen Sie Eintauchen in Deep Learning aus.

  6. Wählen Sie im neuen Browser-Tab „Tauchen Sie in Deep Learning“ aus, ob Sie GitHubeine neue Seite mit den Beispielnotizbüchern öffnen möchten.

  7. Wählen Sie Code und kopieren Sie die GitHub Repositorys URL auf der HTTPSRegisterkarte.

  8. Kehren Sie zum Studio Lab zurück, öffnen Sie den Projektbrowser-Tab, fügen Sie das D2L-Repository URL ein und klonen Sie das Repository.

AWS Universität für Machine Learning

Die AWS Machine Learning University (MLU) bietet Zugang zu den Kursen für maschinelles Lernen, mit denen Amazons eigene Entwickler geschult werden. Mit AWS MLU der Lernserie learn-at-your-own -pace MLU Accelerator kann jeder Entwickler lernen, wie man maschinelles Lernen einsetzt. Die MLU Accelerator-Serie soll Entwicklern helfen, ihre ML-Reise zu beginnen. Sie bietet dreitägige Grundlagenkurse zu diesen drei Themen: Verarbeitung natürlicher Sprache, Tabellarische Daten und Computer Vision. Weitere Informationen finden Sie unter Machine Learning University.

Das folgende Verfahren zeigt, wie Sie die AWS MLU Jupyter-Notebooks auf Ihre Instanz klonen.

  1. Starten und öffnen Sie die Studio Lab-Projektlaufzeitumgebung, indem Sie Starten Sie Ihre Projektlaufzeit folgen.

  2. Sobald Studio Lab geöffnet ist, wählen Sie in der linken Seitenleiste den Tab Git ( Black square icon representing a placeholder or empty image. ).

  3. Wählen Sie Repository klonen. Fügen Sie unter Git-Repository URL (.git) das MLU Git-Repository ein, URL indem Sie die folgenden Schritte ausführen. Wenn die Option Repository klonen nicht angezeigt wird, weil Sie sich derzeit in einem Git-Repository befinden, kehren Sie zum Benutzerverzeichnis zurück, um ein neues Repository zu klonen. Sie kehren zum Benutzerverzeichnis zurück, indem Sie in der linken Seitenleiste den Tab Ordner ( Black square icon representing a placeholder or empty image. ) wählen. Wählen Sie auf der Registerkarte Ordner unter der Dateisuchleiste das Ordnersymbol links neben dem aktuell geöffneten Repository aus. Sobald Sie im Benutzerverzeichnis sind, wählen Sie den Git-Tab in der linken Seitenleiste und wählen Sie Repository klonen.

  4. Navigieren Sie zur Projektübersichtsseite von Studio Lab. Das URL hat das folgende Format.

    https://studiolab.sagemaker.aws/users/<YOUR_USER_NAME>

  5. Unter Neu im Bereich Machine Learning?, wählen Sie AWS Machine Learning University.

  6. Suchen Sie im neuen Browser-Tab der AWS Machine Learning University nach einem Kurs, der Sie interessiert, indem Sie die Kurszusammenfassung für jeden Kurs lesen.

  7. Wählen Sie unter Kursinhalt das entsprechende GitHub Repository von Interesse aus, um eine neue Seite mit den Beispielnotizbüchern zu öffnen.

  8. Wählen Sie Code und kopieren Sie die GitHub Repositorys URL auf der HTTPSRegisterkarte.

  9. Kehren Sie zum Studio Lab zurück, öffnen Sie den Projektbrowser-Tab, fügen Sie das D2L-Repository ein und wählen Sie Clone URL, um das Repository zu klonen.

Roboflow

Roboflow bietet Ihnen die Tools zum Trainieren, Feinabstimmen und Kennzeichnen von Objekten für Computer-Vision-Anwendungen. Weitere Informationen finden Sie unter https://roboflow.com/.

Die folgenden Schritte zeigen, wie Sie die Roboflow Jupyter Notebooks auf Ihre Instance klonen.

  1. Navigieren Sie zur Projektübersichtsseite von Studio Lab. Das URL hat das folgende Format.

    https://studiolab.sagemaker.aws/users/<YOUR_USER_NAME>

  2. Suchen Sie unter Ressourcen und Community nach Computer Vision Testen.

  3. Wählen Sie unter Computer Vision testen ein Roboflow-Modell aus. Weitere Informationen finden Sie unter https://roboflow.com/.

  4. Folgen Sie dem Tutorial unter der Notebook-Vorschau.