Installazione di librerie e kernel esterni in Amazon SageMaker Studio Classic - Amazon SageMaker AI
Strumenti di installazione dei pacchettiInstallazione dei pacchetti utilizzando le configurazioni del ciclo di vita

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.

Installazione di librerie e kernel esterni in Amazon SageMaker Studio Classic

Importante

A partire dal 30 novembre 2023, la precedente esperienza 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, consultaAmazon SageMaker Studio.

I notebook Amazon SageMaker Studio Classic sono dotati di più immagini già installate. Queste immagini contengono kernel e pacchetti Python tra cui scikit-learn, NumPy Pandas,,, e. TensorFlow PyTorch MXNet Puoi anche installare le tue immagini che contengono la tua scelta di pacchetti e kernel. Per ulteriori informazioni sull'installazione delle tue immagini, consulta Porta la tua immagine SageMaker AI.

I diversi kernel Jupyter nei notebook SageMaker Amazon Studio Classic sono ambienti conda separati. Per informazioni sugli ambienti conda, consulta Managing Environments.

Strumenti di installazione dei pacchetti

Importante

Attualmente, tutti i pacchetti di SageMaker notebook Amazon sono concessi in licenza per l'uso con Amazon SageMaker AI e non richiedono licenze commerciali aggiuntive. Tuttavia, questo potrebbe essere soggetto a modifiche in futuro e consigliamo di rivedere regolarmente i termini di licenza per eventuali aggiornamenti.

Il metodo da utilizzare per installare i pacchetti Python dal terminale varia a seconda dell'immagine. Studio Classic supporta i seguenti strumenti di installazione dei pacchetti:

  • Notebook: sono supportati i seguenti comandi. Se uno dei seguenti comandi non funziona sulla tua immagine, prova l'altro.

    • %conda install

    • %pip install

  • Terminale Jupyter: puoi installare pacchetti utilizzando direttamente pip e conda. Puoi anche usare apt-get install per installare pacchetti di sistema dal terminale.

Nota

Non è consigliabile utilizzare pip install -u opip install --user, poiché tali comandi installano pacchetti sul volume Amazon EFS dell'utente e possono potenzialmente bloccare il riavvio delle JupyterServer app. Utilizza, invece, una configurazione del ciclo di vita per reinstallare i pacchetti richiesti al riavvio dell’app, come mostrato in Installazione dei pacchetti utilizzando le configurazioni del ciclo di vita.

Si consiglia di utilizzare %pip e %conda per installare i pacchetti dall'interno di un notebook, perché tengono correttamente conto dell'ambiente attivo o dell'interprete utilizzato. Per ulteriori informazioni, consulta Add %pip and %conda magic functions. Per installare i pacchetti, puoi anche utilizzare la sintassi dei comandi di sistema (righe che iniziano con !). Ad esempio !pip install e !conda install.

Conda

Conda è un sistema open source di gestione dei pacchetti e un sistema di gestione dell'ambiente in grado di installare pacchetti e le relative dipendenze. SageMaker L'intelligenza artificiale supporta l'utilizzo di conda con il canale conda-forge. Per ulteriori informazioni, consulta la pagina Conda channels. Il canale conda-forge è un community channel in cui i contributori possono caricare pacchetti.

Nota

L'installazione di pacchetti da conda-forge può richiedere fino a 10 minuti. Il tempo varia in base al metodo usato da conda per risolvere il grafico delle dipendenze.

Tutti gli ambienti forniti dall' SageMaker intelligenza artificiale sono funzionali. I pacchetti installati dall'utente potrebbero non funzionare correttamente.

Conda si avvale di due metodi per attivare gli ambienti: conda activate e source activate. Per ulteriori informazioni, consulta Managing environment.

Operazioni supportate da conda

  • conda install di un pacchetto in un unico ambiente

  • conda install di un pacchetto in tutti gli ambienti

  • Installazione di un pacchetto dal repository principale di conda

  • Installazione di un pacchetto da conda-forge

  • Modifica della posizione di installazione di conda per utilizzare Amazon EBS

  • Supporta sia conda activate che source activate

Pip

Pip è lo strumento per installare e gestire i pacchetti Python. Per impostazione predefinita, pip cerca i pacchetti nell’indice dei pacchetti Python (PyPI). A differenza di conda, pip non dispone di un supporto integrato per l’ambiente. Pertanto, pip non è così completo come conda quando si tratta di pacchetti con dipendenze di librerie native o di sistema. Puoi usare pip per installare pacchetti in ambienti conda. Invece che l’indice PyPI, con pip puoi anche usare repository di pacchetti alternativi.

Operazioni supportate da pip

  • Uso di pip per installare un pacchetto senza un ambiente conda attivo

  • Uso di pip per installare un pacchetto in un ambiente conda

  • Uso di pip per installare un pacchetto in tutti gli ambienti conda

  • Modifica della posizione di installazione di pip per utilizzare Amazon EBS

  • Uso di un repository alternativo per installare pacchetti con pip

Non supportato.

SageMaker L'intelligenza artificiale mira a supportare il maggior numero possibile di operazioni di installazione dei pacchetti. Tuttavia, se i pacchetti sono stati installati dall' SageMaker IA e si utilizzano le seguenti operazioni su questi pacchetti, l'ambiente potrebbe diventare instabile:

  • Disinstallazione

  • Downgrade

  • Aggiornamento

A causa di potenziali problemi relativi alle condizioni o alle configurazioni della rete o alla disponibilità di conda or PyPi, i pacchetti potrebbero non essere installati in un periodo di tempo fisso o deterministico.

Nota

Il tentativo di installare un pacchetto in un ambiente con dipendenze incompatibili può causare un errore. In caso di problemi, è possibile contattare il responsabile della libreria per aggiornare le dipendenze del pacchetto. Modificare l'ambiente, ad esempio rimuovendo o aggiornando pacchetti esistenti, può rendere quell’ambiente instabile.

Installazione dei pacchetti utilizzando le configurazioni del ciclo di vita

Installa immagini e kernel personalizzati sul volume Amazon EBS dell'istanza Studio Classic in modo che persistano quando fermi e riavvii il notebook e che le librerie esterne installate non vengano aggiornate dall'IA. SageMaker Per farlo, usa una configurazione del ciclo di vita che includa sia uno script che venga eseguito quando crei il notebook (on-create) sia uno script che venga eseguito ogni volta che riavvii il notebook (on-start). Per ulteriori informazioni sull'utilizzo delle configurazioni del ciclo di vita con Studio Classic, consulta. Utilizza le configurazioni del ciclo di vita per personalizzare Studio Classic Per esempi di script di configurazione del ciclo di vita, consulta Esempi di configurazione del ciclo di vita di SageMaker AI Studio Classic.