翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Studio Lab の可用性の変更
<a name="studio-lab-availability-change"></a>

**注記**  
Amazon SageMaker Studio Lab は新規お客様に公開されなくなりました。既存のお客様は、このサービスを引き続き通常どおり使用できます。 AWS は Studio Lab のセキュリティと可用性の向上に引き続き投資しますが、新機能を導入する予定はありません。

## Amazon SageMaker Studio
<a name="studio-lab-replacement-studio"></a>

Amazon SageMaker Studio は、同じ JupyterLab ベースのノートブック環境に サービス、スケーラブルなコンピューティングリソース、統合された ML ツールへの AWS 追加のアクセスを提供することで、SageMaker Studio Lab の完全な代替として機能します。SageMaker Studio は、Studio Lab ユーザーが慣れているのと同じノートブックランタイム、conda 環境、ファイル管理ワークフローをサポートしています。

コンピューティングの場合、SageMaker Studio は無料利用枠 (ml.t3.medium) から G6、G6e などの GPU アクセラレーションインスタンスまで、さまざまなインスタンスタイプにアクセスできるため、ユーザーは Studio Lab の固定 12 GB RAM と 15 GB のストレージ制限を超えてスケールできます。コラボレーションと MLOps の場合、SageMaker Studio は Amazon S3、SageMaker Pipelines、マネージド MLflow などの AWS サービスと統合して実験を追跡します。詳細については、[SageMaker AI 無料利用枠](https://aws.amazon.com/sagemaker/ai/pricing/)」を参照してください。

これらの機能により、SageMaker Studio Lab の無料利用枠ノートブック環境に代わる、スケーラブルで本番環境に対応した代替手段が提供されます。

## Amazon SageMaker Studio Lab を Amazon SageMaker Studio に置き換える
<a name="studio-lab-replacing"></a>

このセクションでは、既存の Amazon SageMaker Studio Lab データを Amazon SageMaker Studio に移行する方法について説明します。このソリューションは、JupyterLab ノートブックの実行、conda 環境の管理、Amazon SageMaker AI での開発中のプロジェクトファイルの保存に同等の機能をサポートしています。

### Studio Lab からのエクスポート
<a name="studio-lab-exporting"></a>

1. **Conda 環境設定をエクスポートします。**移行する conda 環境をアクティブ化し、YAML ファイルにエクスポートします。`studiolab`、、`studiolab-safemode`または `base`環境は SageMaker Studio と互換性がないため、エクスポートしないでください。

1. **ノートブックとデータファイルを保存します。**JupyterLab ノートブック (.ipynb ファイル）、Python スクリプト、および関連するデータを Studio Lab 環境からダウンロードします。Studio Lab File Browser を使用してローカルマシンにファイルをエクスポートすることも、Studio Lab ターミナルを使用して Git リポジトリにプッシュすることもできます。

1. **大きなデータセットを Amazon S3 にコピーします (該当する場合）。**ローカルでのダウンロードが難しい大きなファイルやディレクトリの場合は、Studio Lab ターミナルを使用して S3 バケットにコピーします。詳細な手順については、[Amazon S3へのオブジェクトのアップロード](https://docs.aws.amazon.com/AmazonS3/latest/userguide/upload-objects.html)」を参照してください。

1. **Studio Lab プロジェクトを削除します (オプション）。**移行が確認されたら、Studio Lab プロジェクトファイルを削除してストレージを解放します。

### 置き換えの設定
<a name="studio-lab-configuring-replacements"></a>

1. ** AWS アカウントを作成します。** AWS アカウントをまだお持ちでない場合は、[aws.amazon.com/free](https://aws.amazon.com/free/) で作成します。

1. **SageMaker Studio ドメインとスペースをセットアップします。**SageMaker Studio ドメインとユーザープロファイルを作成し、JupyterLab スペースを作成します。各スペースは、永続的ストレージ用に独自の Amazon EBS ボリュームを取得します。詳細な手順については、[SageMaker AI ドメインの概要](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-onboard.html)」を参照してください。

1. **ノートブックとファイルを SageMaker Studio にアップロードします。**JupyterLab スペースを開き、ファイルブラウザのアップロードアイコンを使用してエクスポートしたファイルをアップロードするか、JupyterLab ターミナルから直接 Git リポジトリのクローンを作成します。

1. **SageMaker Studio で Conda 環境を再作成します。**JupyterLab スペースでターミナルを開き、エクスポートした YAML ファイルを使用して conda 環境を再作成します。インストール後、環境はノートブックのカーネルとして使用できます。詳細な手順については、SageMaker Studio の [JupyterLab 環境のカスタマイズ](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-jl-user-guide-customize-package-manager.html)を参照してください。

SageMaker Studio に移行すると、ノートブック、ファイル、環境設定のみが移行されます。Studio Lab からの過去のコンピューティング使用量またはセッションログは転送されません。今後の開発、実験、コンピューティング管理は SageMaker Studio 内で行われます。