View a markdown version of this page

Configurazioni del ciclo di vita all'interno di Amazon Studio SageMaker - Amazon SageMaker AI

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.

Configurazioni del ciclo di vita all'interno di Amazon Studio SageMaker

Le configurazioni del ciclo di vita (LCC) sono script che amministratori e utenti possono utilizzare per automatizzare la personalizzazione delle seguenti applicazioni all'interno del tuo ambiente Amazon Studio: SageMaker

  • Amazon AI SageMaker JupyterLab

  • Editor di codice, basato su Code-OSS Visual Studio Code - Open Source

  • Studio Classic

  • Istanza notebook

La personalizzazione dell’applicazione include:

  • Installazione di pacchetti personalizzati

  • Configurazione delle estensioni

  • Precaricamento dei set di dati

  • Impostazione dei repository di codice sorgente

Gli utenti creano e collegano configurazioni integrate del ciclo di vita ai propri profili utente. Gli amministratori creano e collegano configurazioni predefinite o integrate del ciclo di vita a livello di dominio, spazio o profilo utente.

Comprensione delle configurazioni del ciclo di vita integrate e predefinite

Esistono due tipi di configurazioni del ciclo di vita in Studio:

  • Built-in LCC: Built-in LCC è controllato dall'amministratore, viene sempre eseguito all'avvio di uno spazio e si risolve dinamicamente dalle impostazioni del dominio al momento dell'avvio. Quando un amministratore aggiorna l'LCC integrato a livello di dominio, tutti gli spazi raccolgono automaticamente il nuovo LCC al successivo avvio senza richiedere alcuna azione da parte dell'utente.

  • LCC predefinito: l'LCC predefinito è preselezionato per l'utente a livello di spazio e persiste finché l'utente non lo modifica esplicitamente. L'aggiornamento della scheda LCC predefinita a livello di dominio non influisce sugli spazi in esecuzione finché non vengono riavviati.

Importante

Amazon SageMaker Studio esegue prima la configurazione del ciclo di vita integrata e quindi esegue l'LCC predefinito. Amazon SageMaker AI non risolverà i conflitti tra i pacchetti LCC dell'utente e dell'amministratore. Ad esempio, se la LCC integrata installa python3.11 e la LCC predefinita installa python3.12, Studio installa python3.12.