JupyterLab benutzerhandbuch

In diesem Handbuch erfahren JupyterLab Benutzer, wie sie Analytics- und Machine-Learning-Workflows in SageMaker Studio ausführen. Sie können schnellen Speicherplatz erhalten und Ihre Rechenleistung je nach Bedarf nach oben oder unten skalieren.

JupyterLab unterstützt sowohl private als auch gemeinsam genutzte Bereiche. Private Bereiche sind auf einen einzelnen Benutzer in einer Domäne beschränkt. Gemeinsam genutzte Bereiche ermöglichen es anderen Benutzern in Ihrer Domain, in Echtzeit mit Ihnen zusammenzuarbeiten. Informationen zu Studio-Bereichen finden Sie unterAmazon SageMaker Studio-Räume.

Um mit der Verwendung zu beginnen JupyterLab, erstellen Sie einen Space und starten Sie Ihre JupyterLab Anwendung. Der Bereich, in dem Ihre JupyterLab Anwendung ausgeführt wird, ist ein JupyterLab Space. Der JupyterLab Speicherplatz verwendet eine einzige EC2 Amazon-Instance für Ihre Datenverarbeitung und ein einzelnes EBS Amazon-Volume für Ihren Speicher. Alles in Ihrem Bereich, wie Ihr Code, Ihr Git-Profil und Ihre Umgebungsvariablen, werden auf demselben EBS Amazon-Volume gespeichert. Das Volume hat 3000 IOPS und einen Durchsatz von 125 Megabyte pro Sekunde ()MBps. Sie können den schnellen Speicher verwenden, um mehrere Jupyter-Notebooks auf derselben Instanz zu öffnen und auszuführen. Sie können auch sehr schnell zwischen den Kerneln in einem Notizbuch wechseln.

Ihr Administrator hat die standardmäßigen EBS Amazon-Speichereinstellungen für Ihren Speicherplatz konfiguriert. Die Standardspeichergröße beträgt 5 GB, Sie können den verfügbaren Speicherplatz jedoch erhöhen. Sie können mit Ihrem Administrator sprechen, um Ihnen Richtlinien zu geben.

Sie können den EC2 Amazon-Instance-Typ, den Sie für die Ausführung verwenden JupyterLab, wechseln und Ihre Rechenleistung je nach Bedarf nach oben oder unten skalieren. Die Fast-Launch-Instances starten viel schneller als die anderen Instances.

Ihr Administrator stellt Ihnen möglicherweise eine Lebenszykluskonfiguration zur Verfügung, mit der Ihre Umgebung angepasst werden kann. Sie können die Lebenszykluskonfiguration angeben, wenn Sie den Bereich erstellen.

Wenn Ihr Administrator Ihnen Zugriff auf einen Amazon gewährtEFS, können Sie Ihren JupyterLab Bereich so konfigurieren, dass er darauf zugreift.

Standardmäßig verwendet die JupyterLab Anwendung das SageMaker Distributions-Image. Dies beinhaltet die Unterstützung vieler Pakete für maschinelles Lernen, Analytik und Deep Learning. Wenn Sie jedoch ein benutzerdefiniertes Image benötigen, kann Ihr Administrator Ihnen helfen, Zugriff auf die benutzerdefinierten Images zu gewähren.

Das EBS Amazon-Volume bleibt unabhängig von der Lebensdauer einer Instance bestehen. Sie werden Ihre Daten nicht verlieren, wenn Sie Instances wechseln. Verwenden Sie die Paketverwaltungsbibliotheken conda und pip, um reproduzierbare benutzerdefinierte Umgebungen zu erstellen, die auch dann bestehen bleiben, wenn Sie den Instanztyp wechseln.

Nach dem Öffnen JupyterLab können Sie Ihre Umgebung mit dem Terminal konfigurieren. Um das Terminal zu öffnen, navigieren Sie zum Launcher und wählen Sie Terminal.

Im Folgenden finden Sie Beispiele für verschiedene Möglichkeiten, wie Sie eine Umgebung konfigurieren können JupyterLab.