Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Personalizza Amazon SageMaker Studio Classic
Nota
Al 30 novembre 2023, la precedente esperienza con Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’applicazione Studio Classic. Per informazioni sull’utilizzo dell’esperienza Studio aggiornata, consulta Amazon Studio SageMaker.
Studio Classic è ancora gestito per i carichi di lavoro esistenti ma non è più disponibile per l'onboarding. È possibile interrompere o eliminare solo le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di migrare il carico di lavoro alla nuova esperienza di Studio.
Sono disponibili quattro opzioni per personalizzare il tuo ambiente Amazon SageMaker Studio Classic. Puoi importare la tua SageMaker immagine, utilizzare uno script di configurazione del ciclo di vita, allegare i repository Git suggeriti a Studio Classic o creare kernel utilizzando ambienti Conda persistenti in Amazon EFS. Puoi scegliere se usare una sola opzione o usarle insieme.
-
Porta la tua SageMaker immagine: un' SageMaker immagine è un file che identifica i kernel, i pacchetti linguistici e altre dipendenze necessari per eseguire un notebook Jupyter in Amazon Studio Classic. SageMaker Amazon SageMaker AI fornisce molte immagini integrate da utilizzare. Se hai bisogno di altre funzionalità, puoi utilizzare le tue immagini personalizzate in Studio Classic.
-
Usa le configurazioni del ciclo di vita con Amazon SageMaker Studio Classic: le configurazioni del ciclo di vita sono script di shell attivati da eventi del ciclo di vita di Amazon SageMaker Studio Classic, come l'avvio di un nuovo notebook Studio Classic. Puoi utilizzare le configurazioni del ciclo di vita per automatizzare la personalizzazione del tuo ambiente Studio Classic. Ad esempio, puoi installare pacchetti personalizzati, configurare estensioni per notebook, precaricare set di dati e configurare repository di codice sorgente.
-
Allega i repository Git suggeriti a Studio Classic: puoi allegare gli URL dei repository Git suggeriti a livello di dominio Amazon AI o di profilo utente. SageMaker Quindi, puoi selezionare l’URL del repository dall’elenco dei suggerimenti e clonarlo nel tuo ambiente utilizzando l’estensione Git in Studio Classic.
-
Rendi gli ambienti Conda persistenti sul volume Amazon EFS di Studio Classic: Studio Classic utilizza un volume Amazon EFS come livello di archiviazione persistente. Puoi salvare il tuo ambiente Conda su questo volume Amazon EFS, quindi utilizzare l'ambiente salvato per creare kernel. Studio Classic raccoglie automaticamente tutti gli ambienti validi salvati in Amazon EFS come kernel. KernelGateway Questi kernel perdurano, anche dopo il riavvio del kernel, dell’app e di Studio Classic. Per ulteriori informazioni, consulta la sezione dedicata ai volumi da Persist Conda a Studio Classic EFS in Quattro approcci alla gestione dei pacchetti Python nei notebook Amazon Studio Classic. SageMaker
I seguenti argomenti mostrano come utilizzare queste tre opzioni per personalizzare il tuo ambiente Amazon Studio Classic. SageMaker
Argomenti
