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.
JupyterLab guida per l'utente
Questa guida mostra JupyterLab agli utenti come eseguire flussi di lavoro di analisi e apprendimento automatico all'interno SageMaker di Studio. Puoi ottenere uno storage veloce e aumentare o diminuire l'elaborazione, a seconda delle tue esigenze.
JupyterLab supporta spazi privati e condivisi. Gli spazi privati sono riservati a un singolo utente in un dominio. Gli spazi condivisi consentono agli altri utenti del tuo dominio di collaborare con te in tempo reale. Per informazioni sugli spazi Studio, consultaSpazi Amazon SageMaker Studio.
Per iniziare a JupyterLab utilizzarli, crea uno spazio e avvia JupyterLab l'applicazione. Lo spazio su cui è in esecuzione JupyterLab l'applicazione è uno JupyterLab spazio. Lo JupyterLab spazio utilizza una singola EC2 istanza Amazon per l'elaborazione e un singolo EBS volume Amazon per lo storage. Tutti gli elementi presenti nel tuo spazio, ad esempio il codice, il profilo git e le variabili di ambiente, sono archiviati nello stesso EBS volume Amazon. Il volume ne ha 3000 IOPS e una velocità effettiva di 125 megabyte al secondo (). MBps È possibile utilizzare lo storage veloce per aprire ed eseguire più notebook Jupyter sulla stessa istanza. È inoltre possibile cambiare i kernel di un notebook molto rapidamente.
L'amministratore ha configurato le impostazioni di EBS archiviazione Amazon predefinite per il tuo spazio. La dimensione di archiviazione predefinita è di 5 GB, ma puoi aumentare la quantità di spazio disponibile. Puoi parlare con il tuo amministratore per fornirti delle linee guida.
Puoi cambiare il tipo di EC2 istanza Amazon che usi per l'esecuzione JupyterLab, scalando il calcolo verso l'alto o verso il basso a seconda delle tue esigenze. Le istanze Fast Launch si avviano molto più velocemente delle altre istanze.
L'amministratore potrebbe fornirti una configurazione del ciclo di vita che personalizza l'ambiente. È possibile specificare la configurazione del ciclo di vita al momento della creazione dello spazio.
Se il tuo amministratore ti dà accesso a un AmazonEFS, puoi configurare il tuo JupyterLab spazio per accedervi.
Per impostazione predefinita, l' JupyterLab applicazione utilizza l'immagine SageMaker di distribuzione. Ciò include il supporto per molti pacchetti di machine learning, analisi e deep learning. Tuttavia, se hai bisogno di un'immagine personalizzata, l'amministratore può aiutarti a fornire l'accesso alle immagini personalizzate.
Il EBS volume Amazon persiste indipendentemente dalla durata di un'istanza. Non perderai i tuoi dati quando cambi istanza. Usa le librerie di gestione dei pacchetti conda e pip per creare ambienti personalizzati riproducibili che persistono anche quando cambi tipo di istanza.
Dopo l'apertura JupyterLab, puoi configurare il tuo ambiente utilizzando il terminale. Per aprire il terminale, vai al Launcher e scegli Terminale.
Di seguito sono riportati alcuni esempi di diversi modi in cui è possibile configurare un ambiente. JupyterLab
Nota
All'interno di Studio, è possibile utilizzare le configurazioni del ciclo di vita per personalizzare l'ambiente, ma è consigliabile utilizzare invece un gestore di pacchetti. L'utilizzo delle configurazioni del ciclo di vita è un metodo più soggetto a errori. È più facile aggiungere o rimuovere dipendenze piuttosto che eseguire il debug di uno script di configurazione del ciclo di vita. Può anche aumentare il tempo di avvio. JupyterLab
Per informazioni sulle configurazioni del ciclo di vita, vedere. Configurazioni del ciclo di vita con JupyterLab
Argomenti
