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.
SageMaker JupyterLab
Erstellen Sie einen JupyterLab Bereich in Amazon SageMaker Studio, um die JupyterLab Anwendung zu starten. Ein JupyterLab Space ist ein privater oder gemeinsam genutzter Bereich in Studio, der die Speicher- und Rechenressourcen verwaltet, die für die Ausführung der JupyterLab Anwendung benötigt werden. Die JupyterLab Anwendung ist eine webbasierte interaktive Entwicklungsumgebung (IDE) für Notebooks, Code und Daten. Verwenden Sie die flexible und umfangreiche Oberfläche der JupyterLab Anwendung, um Workflows für maschinelles Lernen (ML) zu konfigurieren und anzuordnen.
Die JupyterLab Anwendung wird standardmäßig mit dem SageMaker Distribution-Image geliefert. Das Distribution-Image enthält beliebte Pakete wie die folgenden:
-
PyTorch
-
TensorFlow
-
Keras
-
NumPy
-
Pandas
-
Scikit-learn
Sie können gemeinsam genutzte Bereiche verwenden, um in Echtzeit mit anderen Benutzern an Ihren Jupyter-Notebooks zusammenzuarbeiten. Weitere Informationen zur Datenfreigabe finden Sie unter Zusammenarbeit mit gemeinsam genutzten Räumen.
Innerhalb der JupyterLab Anwendung können Sie Amazon Q Developer, einen generativen KI-gestützten Codebegleiter, verwenden, um Ihren Code zu generieren, zu debuggen und zu erklären. Informationen über die Verwendung von Amazon Q Developer finden Sie unter JupyterLab Benutzerleitfaden. Informationen über die Einrichtung von Amazon Q Developer finden Sie unter JupyterLab Leitfaden für Administratoren.
Erstellen Sie einheitliche Analytik- und ML-Workflows in demselben Jupyter-Notebook. Führen Sie interaktive Spark Jobs auf Amazon EMR und einer AWS Glue serverlosen Infrastruktur direkt von Ihrem Notebook aus. Mithilfe der Inline–SparkBenutzeroberfläche können Sie Aufträge schneller überwachen und debuggen. In wenigen Schritten können Sie Ihre Datenvorbereitung automatisieren, indem Sie das Notebook als Auftrag einplanen.
Die JupyterLab Anwendung hilft Ihnen dabei, mit Ihren Kollegen zusammenzuarbeiten. Verwenden Sie die integrierte Git-Integration in der JupyterLab IDE, um Code zu teilen und zu versionieren. Bringen Sie Ihr eigenes Dateispeichersystem mit, wenn Sie ein Amazon-EFS-Volume haben.
Die JupyterLab Anwendung wird auf einer einzelnen Amazon Elastic Compute Cloud (Amazon EC2) -Instance ausgeführt und verwendet ein einzelnes Amazon Elastic Block Store (Amazon EBS) -Volume als Speicher. Sie können schnellere Instances wechseln oder die Größe des Amazon-EBS-Volumes Ihren Bedürfnissen entsprechend erhöhen.
Die JupyterLab 4-Anwendung wird in einem JupyterLab Bereich innerhalb von Studio ausgeführt. Studio Classic verwendet die JupyterLab 3-Anwendung. JupyterLab 4 bietet die folgenden Vorteile:
-
Eine schnellere IDE als Amazon SageMaker Studio Classic, insbesondere bei großen Notebooks
-
Verbesserte Dokumentsuche
-
Ein leistungsfähigerer und zugänglicherer Texteditor
Weitere Informationen JupyterLab dazu finden Sie in der JupyterLab Dokumentation
