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.
JupyterLab guía de usuario
Esta guía muestra a JupyterLab los usuarios cómo ejecutar flujos de trabajo de análisis y aprendizaje automático en SageMaker Studio. Puede obtener un almacenamiento rápido y escalar la computación para ampliarla o reducirla en función de sus necesidades.
JupyterLab admite espacios privados y compartidos. El ámbito de los espacios privados se limita a un único usuario de un dominio. Los espacios compartidos permiten que otros usuarios de su dominio colaboren con usted en tiempo real. Para obtener información sobre espacios de Studio, consulte Espacios de Amazon SageMaker Studio.
Para empezar a usarlo JupyterLab, crea un espacio e inicia tu JupyterLab aplicación. El espacio en el que se ejecuta JupyterLab la aplicación es un JupyterLab espacio. El JupyterLab espacio utiliza una única EC2 instancia de Amazon para el procesamiento y un único volumen de Amazon EBS para el almacenamiento. Todo lo que hay en el espacio, como el código, el perfil de Git y las variables de entorno, se almacena en el mismo volumen de Amazon EBS. El volumen tiene 3000 IOPS y un rendimiento de 125 megabytes por segundo (). MBps Puede utilizar el almacenamiento rápido para abrir y ejecutar varios cuadernos de Jupyter en la misma instancia. También puede cambiar los kernels de un cuaderno con gran rapidez.
El administrador ha configurado los ajustes de almacenamiento predeterminados de Amazon EBS para su espacio. El tamaño de almacenamiento predeterminado es de 5 GB, pero puede aumentar la cantidad de espacio que obtiene. Puede hablar con su administrador para que le indique cómo hacerlo.
Puedes cambiar el tipo de EC2 instancia de Amazon que vas a utilizar para ejecutar JupyterLab y ampliar o reducir el procesamiento en función de tus necesidades. Las instancias de Lanzamiento rápido se inician mucho más rápido que las demás instancias.
El administrador puede proporcionarle una configuración del ciclo de vida que personalice su entorno. Puede especificar la configuración del ciclo de vida al crear el espacio.
Si el administrador le da acceso a Amazon EFS, puede configurar el JupyterLab espacio para acceder a él.
De forma predeterminada, la JupyterLab aplicación utiliza la imagen SageMaker de distribución. Esto incluye la compatibilidad con muchos paquetes de machine learning, análisis y aprendizaje profundo. Sin embargo, si necesita una imagen personalizada, su administrador puede ayudarlo a proporcionar acceso a las imágenes personalizadas.
El volumen de Amazon EBS persiste independientemente de la vida de una instancia. No perderá los datos cuando cambie de instancias. Utilice las bibliotecas de administración de paquetes de conda y de pip para crear entornos personalizados y reproducibles que persistan aunque cambie de tipos de instancias.
Tras abrirla JupyterLab, puede configurar el entorno mediante el terminal. Para abrir el terminal, diríjase al Lanzador y seleccione Terminal.
A continuación se muestran ejemplos de diferentes formas en las que puede configurar un entorno JupyterLab.
nota
En Studio, puede usar configuraciones de ciclo de vida para personalizar su entorno, pero recomendamos usar un administrador de paquetes en su lugar. El uso de configuraciones de ciclo de vida es un método más propenso a errores. Es más fácil agregar o eliminar dependencias que depurar un script de configuración de ciclo de vida. También puede aumentar el tiempo JupyterLab de inicio.
Para obtener información sobre las configuraciones de ciclo de vida, consulte Configuraciones del ciclo de vida con JupyterLab.
Temas
