Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Instances de SageMaker blocs-notes Amazon

Une instance Amazon SageMaker Notebook est une instance de calcul d'apprentissage automatique (ML) qui exécute l'application Jupyter Notebook. L'un des meilleurs moyens pour les praticiens de l'apprentissage automatique (ML) d'utiliser Amazon SageMaker AI est de former et de déployer des modèles de ML à l'aide d'instances de SageMaker bloc-notes. Les instances de SageMaker bloc-notes aident à créer l'environnement en lançant des serveurs Jupyter sur Amazon Elastic Compute Cloud (Amazon EC2) et en fournissant des noyaux préconfigurés avec les packages suivants : le SDK Amazon SageMaker Python,, AWS Command Line Interface (AWS CLI), Conda, Pandas AWS SDK for Python (Boto3), des bibliothèques de framework d'apprentissage profond et d'autres bibliothèques pour la science des données et l'apprentissage automatique.

Utilisez les blocs-notes Jupyter dans votre instance de bloc-notes pour :

Pour plus d'informations sur la tarification avec l'instance Amazon SageMaker Notebook, consultez la page SageMaker Tarification Amazon.

Maintenance

SageMaker L'IA met à jour le logiciel sous-jacent pour les instances Amazon SageMaker Notebook au moins une fois tous les 90 jours. Certaines mises à jour de maintenance, telles que les mises à niveau du système d’exploitation, peuvent nécessiter la mise hors connexion de votre application pendant une courte période. Au cours de cette période, il n'est pas possible d'effectuer des opérations pendant la mise à jour du logiciel sous-jacent. Nous vous recommandons de redémarrer vos blocs-notes au moins une fois tous les 30 jours pour utiliser automatiquement les correctifs.

Si l'instance du bloc-notes n'est pas mise à jour et exécute un logiciel non sécurisé, SageMaker AI peut mettre à jour périodiquement l'instance dans le cadre d'une maintenance régulière. Lors de ces mises à jour, les données situées en dehors du dossier ne /home/ec2-user/SageMaker sont pas conservées.

Pour plus d’informations, contactez AWS Support.

Apprentissage automatique avec le SDK SageMaker Python

Pour entraîner, valider, déployer et évaluer un modèle de machine learning dans une instance de SageMaker bloc-notes, utilisez le SDK SageMaker Python. Les résumés du SDK SageMaker Python AWS SDK for Python (Boto3) et les opérations d' SageMaker API. Il vous permet d'intégrer et d'orchestrer d'autres AWS services, tels qu'Amazon Simple Storage Service (Amazon S3) pour enregistrer les données et les artefacts de modèle, Amazon Elastic Container Registry (ECR) pour importer et gérer les modèles ML, Amazon Elastic Compute Cloud (Amazon EC2) pour la formation et l'inférence.

Vous pouvez également tirer parti des fonctionnalités d' SageMaker IA qui vous aident à gérer chaque étape d'un cycle complet de machine learning : étiquetage des données, prétraitement des données, formation de modèles, déploiement de modèles, évaluation des performances de prédiction et surveillance de la qualité du modèle en production.

Si vous utilisez l' SageMaker IA pour la première fois, nous vous recommandons d'utiliser le SDK SageMaker Python, en suivant le didacticiel ML de bout en bout. Pour accéder à la documentation open source, consultez le SDK https://sagemaker.readthedocs.io/en/stable Amazon SageMaker Python.