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.
JupyterLab guide de l'utilisateur
Ce guide explique JupyterLab aux utilisateurs comment exécuter des flux de travail d'analyse et d'apprentissage automatique dans SageMaker Studio. Vous pouvez bénéficier d'un stockage rapide et augmenter ou diminuer votre capacité de calcul, en fonction de vos besoins.
JupyterLab prend en charge les espaces privés et partagés. Les espaces privés sont limités à un seul utilisateur dans un domaine. Les espaces partagés permettent aux autres utilisateurs de votre domaine de collaborer avec vous en temps réel. Pour plus d'informations sur les espaces Studio, consultezEspaces Amazon SageMaker Studio.
Pour commencer à l'utiliser JupyterLab, créez un espace et lancez votre JupyterLab application. L'espace sur lequel s'exécute votre JupyterLab application est un JupyterLab espace. L' JupyterLab espace utilise une seule EC2 instance Amazon pour vos calculs et un seul EBS volume Amazon pour votre stockage. Tout ce qui se trouve dans votre espace, comme votre code, votre profil git et les variables d'environnement, est stocké sur le même EBS volume Amazon. Le volume est de 3 000 IOPS et a un débit de 125 mégaoctets par seconde (). MBps Vous pouvez utiliser le stockage rapide pour ouvrir et exécuter plusieurs blocs-notes Jupyter sur la même instance. Vous pouvez également changer de noyau très rapidement dans un bloc-notes.
Votre administrateur a configuré les paramètres de EBS stockage Amazon par défaut pour votre espace. La taille de stockage par défaut est de 5 Go, mais vous pouvez augmenter la quantité d'espace disponible. Vous pouvez vous adresser à votre administrateur pour qu'il vous fournisse des directives.
Vous pouvez changer le type d'EC2instance Amazon que vous utilisez pour exécuter JupyterLab, en augmentant ou en diminuant votre capacité de calcul en fonction de vos besoins. Les instances de lancement rapide démarrent beaucoup plus rapidement que les autres instances.
Votre administrateur peut vous fournir une configuration de cycle de vie qui personnalise votre environnement. Vous pouvez spécifier la configuration du cycle de vie lors de la création de l'espace.
Si votre administrateur vous donne accès à un AmazonEFS, vous pouvez configurer votre JupyterLab espace pour y accéder.
Par défaut, l' JupyterLab application utilise l'image SageMaker de distribution. Cela inclut la prise en charge de nombreux packages d'apprentissage automatique, d'analyse et d'apprentissage profond. Toutefois, si vous avez besoin d'une image personnalisée, votre administrateur peut vous aider à y accéder.
Le EBS volume Amazon persiste indépendamment de la durée de vie d'une instance. Vous ne perdrez pas vos données lorsque vous changerez d'instance. Utilisez les bibliothèques de gestion de packages conda et pip pour créer des environnements personnalisés reproductibles qui persistent même lorsque vous changez de type d'instance.
Après ouverture JupyterLab, vous pouvez configurer votre environnement à l'aide du terminal. Pour ouvrir le terminal, accédez au lanceur et choisissez Terminal.
Vous trouverez ci-dessous des exemples de différentes manières de configurer un environnement JupyterLab.
Note
Dans Studio, vous pouvez utiliser des configurations de cycle de vie pour personnaliser votre environnement, mais nous vous recommandons d'utiliser un gestionnaire de packages à la place. L'utilisation de configurations de cycle de vie est une méthode plus sujette aux erreurs. Il est plus facile d'ajouter ou de supprimer des dépendances que de déboguer un script de configuration du cycle de vie. Cela peut également augmenter le temps JupyterLab de démarrage.
Pour plus d'informations sur les configurations du cycle de vie, consultezDes configurations de cycle de vie avec JupyterLab.
Rubriques
