Utiliser les ressources de démarrage d'Amazon SageMaker Studio Lab - Amazon SageMaker

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.

Utiliser les ressources de démarrage d'Amazon SageMaker Studio Lab

Amazon SageMaker Studio Lab prend en charge les ressources suivantes pour aider les professionnels de l'apprentissage automatique (ML) à démarrer. Ce guide vous montre comment cloner des blocs-notes pour votre projet.

Bloc-notes de démarrage

Studio Lab inclut un bloc-notes de démarrage qui fournit des informations générales et vous guide à travers les principaux flux de travail. Lorsque vous lancez l'exécution de votre projet pour la première fois, ce bloc-notes s'ouvre automatiquement.

Dive into Deep Learning

Dive into Deep Learning (D2L) est un livre interactif et open source qui enseigne les idées, les théories mathématiques et le codage autour du machine learning. Avec plus de 150 blocs-notes Jupyter, D2L offre une présentation complète des principes du deep learning. Pour de plus amples informations sur D2L, veuillez consulter le site web D2L.

La procédure suivante indique comment cloner les blocs-notes D2L Jupyter sur votre instance.

  1. Démarrez et ouvrez l'environnement d'exécution du projet Studio Lab en suivant les étapes dans Démarrage de l'exécution du projet.

  2. Une fois Studio Lab ouvert, choisissez l'onglet Git ( Black square icon representing a placeholder or empty image. ) dans la barre latérale gauche.

  3. Choisissez Clone a Repository (Cloner un référentiel). Sous dépôt Git URL (.git), collez le dépôt MLU git D2L en suivant les étapes ci-dessous. Si vous ne voyez pas l'option Clone a Repository (Cloner un référentiel) parce que vous vous trouvez actuellement dans un référentiel Git, retournez dans le répertoire des utilisateurs pour cloner un nouveau référentiel. Pour revenir au répertoire des utilisateurs, cliquez sur l'onglet Folder (Dossier) ( Black square icon representing a placeholder or empty image. ) dans la barre latérale gauche. Dans l'onglet Folder (Dossier) situé sous la barre de recherche de fichiers, choisissez l'icône du dossier à gauche du référentiel actuellement ouvert. Une fois dans le répertoire des utilisateurs, choisissez l'onglet Git dans la barre latérale gauche et choisissez Clone a Repository (Cloner un référentiel).

  4. Accédez à la page de présentation du projet Studio Lab. URLIl prend le format suivant.

    https://studiolab.sagemaker.aws/users/<YOUR_USER_NAME>

  5. Sous New to machine learning? (Vous découvrez le machine learning ?), choisissez Dive into Deep Learning (Plonger dans le Deep Learning).

  6. Dans le nouvel onglet du navigateur Dive into Deep Learning, choisissez GitHubd'ouvrir une nouvelle page contenant des exemples de carnets de notes.

  7. Choisissez Code et copiez le GitHub référentiel URL dans l'HTTPSonglet.

  8. Retournez dans l'onglet du navigateur de projet ouvert de Studio Lab, collez le référentiel URL D2L et clonez-le.

AWS Université du Machine Learning

La AWS Machine Learning University (MLU) donne accès aux cours de machine learning utilisés pour former les propres développeurs d'Amazon. Tous AWS MLU les développeurs peuvent apprendre à utiliser l'apprentissage automatique grâce à la série d'apprentissage learn-at-your-own -pace MLU Accelerator. La série MLU Accelerator est conçue pour aider les développeurs à démarrer leur parcours de machine learning. Elle propose des cours de base sur trois jours et sur trois matières : le traitement du langage naturel, les données tabulaires et la reconnaissance d'image. Pour plus d'informations, veuillez consulter Machine Learning University.

La procédure suivante montre comment cloner les blocs-notes AWS MLU Jupyter sur votre instance.

  1. Démarrez et ouvrez l'environnement d'exécution du projet Studio Lab en suivant les étapes dans Démarrage de l'exécution du projet.

  2. Une fois Studio Lab ouvert, choisissez l'onglet Git ( Black square icon representing a placeholder or empty image. ) dans la barre latérale gauche.

  3. Choisissez Clone a Repository (Cloner un référentiel). Sous dépôt Git URL (.git), collez le dépôt MLU git URL en suivant les étapes ci-dessous. Si vous ne voyez pas l'option Clone a Repository (Cloner un référentiel) parce que vous vous trouvez actuellement dans un référentiel Git, retournez dans le répertoire des utilisateurs pour cloner un nouveau référentiel. Pour revenir au répertoire des utilisateurs, cliquez sur l'onglet Folder (Dossier) ( Black square icon representing a placeholder or empty image. ) dans la barre latérale gauche. Dans l'onglet Folder (Dossier) situé sous la barre de recherche de fichiers, choisissez l'icône du dossier à gauche du référentiel actuellement ouvert. Une fois dans le répertoire des utilisateurs, choisissez l'onglet Git dans la barre latérale gauche et choisissez Clone a Repository (Cloner un référentiel).

  4. Accédez à la page de présentation du projet Studio Lab. URLIl prend le format suivant.

    https://studiolab.sagemaker.aws/users/<YOUR_USER_NAME>

  5. Sous New to machine learning? (Vous découvrez le machine learning ?), choisissez AWS Machine Learning University.

  6. Dans le nouvel onglet du navigateur AWS Machine Learning University, trouvez un cours qui vous intéresse en lisant le Course Summary (Résumé du cours) de chaque cours.

  7. Choisissez le GitHub référentiel d'intérêt correspondant sous Contenu du cours, pour ouvrir une nouvelle page contenant des exemples de carnets de notes.

  8. Choisissez Code et copiez le GitHub référentiel URL dans l'HTTPSonglet.

  9. Retournez dans l'onglet Ouvrir le navigateur de projet de Studio Lab, collez le référentiel URL D2L et choisissez Cloner pour cloner le référentiel.

Roboflow

Roboflow vous donne les outils nécessaires pour entraîner, régler et étiqueter les objets pour les applications de vision par ordinateur. Pour plus d'informations, consultez https://roboflow.com/.

La procédure suivante indique comment cloner les bloc-notes Jupyter Roboflow sur votre instance.

  1. Accédez à la page de présentation du projet Studio Lab. URLIl prend le format suivant.

    https://studiolab.sagemaker.aws/users/<YOUR_USER_NAME>

  2. Sous Resources and community (Ressources et communauté), recherchez Try Computer Vision (Essayer la vision par ordinateur).

  3. Sous Try Computer Vision (Essayer la vision par ordinateur), choisissez un modèle Roboflow. Pour plus d'informations, consultez https://roboflow.com/.

  4. Suivez le didacticiel sous l'aperçu du bloc-notes.