JupyterLab ユーザーガイド

このガイドでは、JupyterLab ユーザーが SageMaker Studio 内で分析ワークフローと機械学習ワークフローを実行する方法について説明します。ニーズに応じて、高速ストレージを取得し、コンピューティングをスケールアップまたはスケールダウンできます。

JupyterLab は、プライベートスペースと共有スペースの両方をサポートしています。プライベートスペースは、ドメイン内の 1 人のユーザーにスコープされます。共有スペースを使用すると、ドメイン内の他のユーザーがリアルタイムでコラボレーションできます。Studio のスペースの詳細については、「Amazon SageMaker Studio のスペース」を参照してください。

JupyterLab の使用を開始するには、スペースを作成して JupyterLab アプリケーションを起動します。JupyterLab アプリケーションが実行されているスペースは、JupyterLab スペースです。JupyterLab スペースは、コンピューティングに 1 つの Amazon EC2 インスタンスを使用し、ストレージに 1 つの Amazon EBS ボリュームを使用します。コード、git プロファイル、環境変数など、スペース内のすべてのものが、同じ Amazon EBS ボリュームに保存されます。ボリュームのパフォーマンスは 3,000 IOPS で、スループットは 125 メガバイト/秒 (MBps) です。高速ストレージを使用すると、同じインスタンスで複数の Jupyter Notebook を開いて実行することができます。ノートブック内のカーネルをかなりすばやく切り替えることもできます。

スペースのデフォルトの Amazon EBS ストレージ設定は管理者が設定しています。デフォルトのストレージサイズは 5 GB ですが、取得する容量を増やすことができます。管理者に相談して、ガイドラインを提供できます。

JupyterLab の実行に使用する Amazon EC2 インスタンスタイプを切り替え、必要に応じてコンピューティングをスケールアップまたはスケールダウンできます。[高速起動] インスタンスは、他のインスタンスよりもはるかに高速に起動します。

管理者から、環境をカスタマイズするライフサイクル設定が提供される場合があります。ライフサイクル設定はスペースの作成時に指定できます。

管理者が Amazon EFS へのアクセスを許可している場合、アクセスできるよう JupyterLab スペースを設定できます。

デフォルトでは、JupyterLab アプリケーションは SageMaker ディストリビューションイメージを使用します。これには、多くの機械学習、分析、および深層学習パッケージのサポートが含まれます。ただし、カスタムイメージが必要な場合、カスタムイメージへのアクセスを管理者が許可できます。

Amazon EBS ボリュームは、インスタンスの運用状況から独立した永続性を持ちます。インスタンスを変更しても、データは失われません。conda および pip パッケージ管理ライブラリを使用して、インスタンスタイプを切り替える場合でも存続する再現可能なカスタム環境を作成します。

JupyterLab を開くと、ターミナルを使用して環境を設定できます。ターミナルを開くには、[ランチャー] に移動し、[ターミナル] を選択します。

JupyterLab で環境を設定するさまざまな方法の例を次に示します。