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.

Passen Sie Ihre Umgebung mithilfe eines Paketmanagers an

Verwenden Sie pip oder conda, um Ihre Umgebung anzupassen. Wir empfehlen die Verwendung von Paketmanagern anstelle von Lebenszyklus-Konfigurationsskripten.

Erstellen und aktivieren Sie Ihre benutzerdefinierte Umgebung

Dieser Abschnitt enthält Beispiele für verschiedene Möglichkeiten, wie Sie eine Umgebung konfigurieren können JupyterLab.

Eine einfache Conda-Umgebung enthält die Mindestanzahl von Paketen, die für Ihre Workflows erforderlich sind. SageMaker Verwenden Sie die folgende Vorlage, um eine grundlegende Conda-Umgebung zu erstellen:

# initialize conda for shell interaction
conda init

# create a new fresh environment
conda create --name test-env

# check if your new environment is created successfully
conda info --envs

# activate the new environment
conda activate test-env

# install packages in your new conda environment
conda install pip boto3 pandas ipykernel

# list all packages install in your new environment 
conda list

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# to exit your new environment
conda deactivate
            

Die folgende Abbildung zeigt den Speicherort der Umgebung, die Sie erstellt haben.

Um Ihre Umgebung zu ändern, wählen Sie sie aus und wählen Sie eine Option aus dem Drop-down-Menü aus.

Wählen Sie Select, um einen Kernel für die Umgebung auszuwählen.

Erstellen Sie eine Conda-Umgebung mit einer bestimmten Python-Version

Das Bereinigen von Conda-Umgebungen, die Sie nicht verwenden, kann dazu beitragen, Speicherplatz freizugeben und die Leistung zu verbessern. Verwenden Sie die folgende Vorlage, um eine Conda-Umgebung zu bereinigen:

# create a conda environment with a specific python version
conda create --name py38-test-env python=3.8.10

# activate and test your new python version
conda activate py38-test-env & python3 --version

# Install ipykernel to facilicate env registration
conda install ipykernel

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# deactivate your py38 test environment
conda deactivate
            

Erstellen Sie eine Conda-Umgebung mit einem bestimmten Satz von Paketen

Verwenden Sie die folgende Vorlage, um eine Conda-Umgebung mit einer bestimmten Version von Python und einer Reihe von Paketen zu erstellen:

# prefill your conda environment with a set of packages,
conda create --name py38-test-env python=3.8.10 pandas matplotlib=3.7 scipy ipykernel

# activate your conda environment and ensure these packages exist
conda activate py38-test-env

# check if these packages exist
conda list | grep -E 'pandas|matplotlib|scipy'

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# deactivate your conda environment
conda deactivate
            

Klonen Sie Conda aus einer vorhandenen Umgebung

Klonen Sie Ihre Conda-Umgebung, um ihren Betriebszustand beizubehalten. Sie experimentieren in der geklonten Umgebung, ohne sich Gedanken über grundlegende Änderungen in Ihrer Testumgebung machen zu müssen.

Verwenden Sie den folgenden Befehl, um eine Umgebung zu klonen.

# create a fresh env from a base environment 
conda create --name py310-base-ext --clone base # replace 'base' with another env

# activate your conda environment and ensure these packages exist
conda activate py310-base-ext

# install ipykernel to register your env
conda install ipykernel

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# deactivate your conda environment
conda deactivate
            

Klonen Sie Conda aus einer Referenzdatei YAML

Erstellen Sie eine Conda-Umgebung aus einer Referenzdatei. YAML Im Folgenden finden Sie ein Beispiel für eine YAML Datei, die Sie verwenden können.

# anatomy of a reference environment.yml
name: py311-new-env
channels:
  - conda-forge
dependencies:
  - python=3.11
  - numpy
  - pandas
  - scipy
  - matplotlib
  - pip
  - ipykernel
  - pip:
      - git+https://github.com/huggingface/transformers
            

Unter empfehlen wirpip, nur die Abhängigkeiten anzugeben, die mit Conda nicht verfügbar sind.

Verwenden Sie die folgenden Befehle, um eine Conda-Umgebung aus einer YAML Datei zu erstellen.

# create your conda environment 
conda env create -f environment.yml

# activate your env
conda activate py311-new-env