Instalación de bibliotecas y núcleos externos en Amazon SageMaker Studio Classic - Amazon SageMaker AI
Herramientas de instalación de paquetesInstalación de paquetes mediante las configuraciones del ciclo de vida

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Instalación de bibliotecas y núcleos externos en Amazon SageMaker Studio Classic

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección es específica del uso de la aplicación de Studio Classic. Para obtener información sobre el uso de la experiencia de Studio actualizada, consulte Amazon SageMaker Studio.

Las libretas Amazon SageMaker Studio Classic vienen con varias imágenes ya instaladas. Estas imágenes contienen núcleos y paquetes de Python, incluidos scikit-learn, Pandas,,, y NumPy. TensorFlow PyTorch MXNet También puede instalar sus propias imágenes que contienen la opción de los paquetes y kernels. Para obtener más información sobre cómo instalar su propia imagen, consulte Traiga su propia imagen de SageMaker IA.

Los distintos núcleos de Jupyter de las libretas Amazon SageMaker Studio Classic son entornos conda independientes. Para obtener información acerca de los entornos Conda, consulte Managing environments.

Herramientas de instalación de paquetes

importante

Actualmente, todos los paquetes de las SageMaker libretas de Amazon cuentan con licencia para su uso con Amazon SageMaker AI y no requieren licencias comerciales adicionales. Sin embargo, esto podría estar sujeto a cambios en el futuro, por lo que recomendamos revisar los términos de licencia con regularidad para comprobar las actualizaciones.

El método que se utiliza para instalar los paquetes de Python desde el terminal varía según la imagen. Studio Classic admite las siguientes herramientas de instalación de paquetes:

  • Cuadernos: se admiten los siguientes comandos. Si una de las siguientes opciones no funciona en la imagen, pruebe con la otra.

    • %conda install

    • %pip install

  • El terminal de Jupyter: puede instalar paquetes directamente con pip y conda. También se puede utilizar apt-get install para instalar paquetes del sistema desde la terminal.

nota

No recomendamos usar pip install -u opip install --user, ya que esos comandos instalan paquetes en el volumen Amazon EFS del usuario y pueden bloquear el reinicio de las JupyterServer aplicaciones. En lugar de ello, utilice una configuración del ciclo de vida para volver a instalar los paquetes necesarios al reiniciar la aplicación, como se muestra en Instalación de paquetes mediante las configuraciones del ciclo de vida.

Recomendamos usar %pip y %conda para instalar los paquetes desde un cuaderno, ya que tienen en cuenta correctamente el entorno activo o el intérprete que se está utilizando. Para obtener más información, consulte Añadir las funciones mágicas %pip y %conda. También puede usar la sintaxis de comandos del sistema (las líneas comienzan por !) para instalar paquetes. Por ejemplo, !pip install y !conda install.

Conda

Conda es un sistema de administración de paquetes y un sistema de administración de entornos de código abierto que puede instalar paquetes y sus dependencias. SageMaker AI admite el uso de conda con el canal conda-forge. Para obtener más información, consulte Conda channels. El canal conda-forge es un canal comunitario en el que los colaboradores pueden subir paquetes.

nota

La instalación de paquetes desde conda-forge puede tardar hasta 10 minutos. El tiempo está relacionado con la forma en que conda resuelve el gráfico de dependencias.

Todos los entornos proporcionados por la SageMaker IA son funcionales. Es posible que los paquetes instalados por el usuario no funcionen correctamente.

Conda tiene dos métodos para activar entornos: conda activate, y source activate. Para obtener más información, consulte Administración del entorno.

Operaciones conda admitidas

  • conda install de un paquete en un solo entorno

  • conda install de un paquete en todos los entornos

  • Instalación de un paquete desde el repositorio principal de conda

  • Instalación de un paquete desde conda-forge

  • Cambio de la ubicación de instalación de conda para usar Amazon EBS

  • Compatible con conda activate y source activate

Pip

Pip es la herramienta para instalar y administrar paquetes de Python. De forma predeterminada, Pip busca paquetes en el Índice de paquetes de Python (PyPI). A diferencia de conda, pip no tiene soporte de entorno integrado. Por lo tanto, pip no es tan exhaustivo como conda en relación con los paquetes con dependencias nativas o de bibliotecas del sistema. Pip se puede usar para instalar paquetes en entornos conda. Puede usar repositorios de paquetes alternativos con pip en lugar de PyPI.

Operaciones pip admitidas

  • Uso de pip para instalar un paquete sin un entorno conda activo

  • Uso de pip para instalar un paquete en un entorno conda

  • Uso de pip para instalar un paquete en todos los entornos conda

  • Cambio de la ubicación de instalación de pip para usar Amazon EBS

  • Uso de un repositorio alternativo para instalar paquetes con pip

No se admite

SageMaker La IA tiene como objetivo respaldar tantas operaciones de instalación de paquetes como sea posible. Sin embargo, si los paquetes los ha instalado SageMaker AI y se utilizan las siguientes operaciones en ellos, es posible que el entorno se vuelva inestable:

  • Desinstalación

  • Degradación

  • Mejora

Debido a posibles problemas con las condiciones o configuraciones de la red, o con la disponibilidad de conda o los paquetes PyPi, es posible que no se instalen en un período de tiempo fijo o determinista.

nota

Si se intenta instalar un paquete en un entorno con dependencias incompatibles, se puede producir un error. Si se producen problemas, puede ponerse en contacto con el responsable de la biblioteca para actualizar las dependencias del paquete. Al modificar el entorno, por ejemplo, al eliminar o actualizar los paquetes existentes, puede provocar inestabilidad en ese entorno.

Instalación de paquetes mediante las configuraciones del ciclo de vida

Instala imágenes y núcleos personalizados en el volumen Amazon EBS de la instancia de Studio Classic para que persistan cuando detengas y reinicies el bloc de notas, y para que la IA no actualice las bibliotecas externas que instales. SageMaker Para ello, utilice una configuración del ciclo de vida que incluya un script que se ejecute al crear el cuaderno (on-create)) y un script que se ejecute cada vez que se reinicie el cuaderno (on-start). Para obtener más información sobre el uso de las configuraciones de ciclo de vida con Studio Classic, consulte Uso de las configuraciones del ciclo de vida para personalizar Studio Classic. Para ver ejemplos de scripts de configuración del ciclo de vida, consulte los ejemplos de configuración del ciclo de vida clásico de SageMaker AI Studio.