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。
(オプション) カスタムイメージとライフサイクル設定の移行
Amazon SageMaker Studio で簡素化されたローカル実行モデルを使用するには、カスタムイメージとライフサイクル設定 (LCC) スクリプトを更新する必要があります。ドメインにカスタムイメージまたはライフサイクル設定を作成していない場合は、このフェーズをスキップします。
Amazon SageMaker Studio Classic は、以下の分割環境で動作します。
-
を実行する
JupyterServer
アプリケーション Jupyter Server. -
1 つ以上の
KernelGateway
アプリケーションで実行されている Studio Classic ノートブック。
Studio が分割環境から移行しました。Studio は、ローカルランタイムモデルで Code-OSS、Visual Studio Code - Open Source アプリケーションに基づいて、 JupyterLab と Code Editor を実行します。アーキテクチャの変更の詳細については、「Amazon SageMaker Studio での生産性の向上
カスタムイメージの移行
既存の Studio Classic カスタムイメージが Studio で機能しない場合があります。Studio で使用する要件を満たす新しいカスタムイメージを作成することをお勧めします。Studio のリリースにより、 を提供することでカスタムイメージを構築するプロセスが簡素化されますSageMaker ディストリビューションイメージ。 SageMaker ディストリビューションイメージには、機械学習、データサイエンス、データ分析の視覚化のための一般的なライブラリとパッケージが含まれます。基本 SageMaker ディストリビューションイメージと Amazon Elastic Container Registry アカウント情報のリストについては、「」を参照してくださいStudio Classic で使用できる Amazon SageMaker イメージ。
カスタムイメージを構築するには、次のいずれかを実行します。
-
カスタムパッケージとモジュールを使用して SageMaker ディストリビューションイメージを拡張します。これらのイメージは、Code-、Visual Studio Code-オープンソースに基づいてOSS、 JupyterLab および Code Editor で事前設定されています。
-
の手順に従って、カスタム Dockerfile ファイルを作成しますDockerfile の仕様。をインストールする必要があります JupyterLab と オープンソース CodeServer Studio と互換性を持たせるために、 イメージで を使用します。
ライフサイクル設定の移行
Studio ではローカルランタイムモデルが簡素化されているため、既存の Studio Classic の構造を移行することをお勧めしますLCCs。Studio Classic では、多くの場合、両方のライフサイクル設定を個別に作成する必要があります。KernelGateway また、JupyterServer アプリケーション。は JupyterServer また、KernelGateway Studio Classic 内の個別のコンピューティングリソースで実行されるアプリケーション、Studio Classic は次のいずれかのタイプLCCsになります。
-
JupyterServer LCC: LCCsこれらは主に、プロキシの設定、環境変数の作成、リソースの自動シャットダウンなど、ユーザーのホームアクションを管理します。
-
KernelGateway LCC: これらは Studio Classic ノートブック環境の最適化LCCsを管理します。これには、カーネルの numpy
Data Science 3.0
パッケージバージョンの更新と、カーネルの snowflakePytorch 2.0 GPU
パッケージのインストールが含まれます。
簡素化された Studio アーキテクチャでは、アプリケーションの起動時に実行されるLCCスクリプトは 1 つだけ必要です。LCC スクリプトの移行は開発環境によって異なりますが、JupyterServer また、KernelGateway LCCs を組み合わせて を構築しますLCC。
LCCs Studio では、次のいずれかのアプリケーションに関連付けることができます。
-
JupyterLab
-
コードエディタ
ユーザーは、スペースを作成するときにLCC各アプリケーションタイプの を選択するか、管理者によってLCC設定されたデフォルトを使用できます。
注記
既存の Studio Classic 自動シャットダウンスクリプトは Studio では機能しません。Studio 自動シャットダウンスクリプトの例については、SageMaker 「Studio ライフサイクル設定の例
リファクタリング時の考慮事項 LCCs
のリファクタリングを行うときは、Studio Classic と Studio の以下の違いを考慮してくださいLCCs。
-
JupyterLab および Code Editor アプリケーションは、作成時に
UID:1001
およびsagemaker-user
と同様に実行されますGID:101
。デフォルトでは、sagemaker-user
には sudo/root アクセス許可を引き受けるアクセス許可があります。KernelGateway アプリケーションはroot
デフォルトで として実行されます。 -
SageMaker JupyterLab および Code Editor アプリケーション内で実行されるディストリビューションイメージは、Debianベースのパッケージマネージャー、
apt-get
。 -
Studio JupyterLab および Code Editor アプリケーションは、Conda package manager. SageMaker creates a single base Python3 Conda Studio アプリケーションが起動されたときの環境。ベースでのパッケージの更新については、「」を参照してください。Conda 環境と新しい の作成 Conda 環境については、「」を参照してくださいJupyterLab ユーザーガイド。対照的に、すべての KernelGateway アプリケーションが使用する Conda パッケージマネージャーとして。
-
Studio JupyterLab アプリケーションは を使用し
JupyterLab 4.0
、Studio Classic は を使用しますJupyterLab 3.0
。すべての JupyterLab 使用する 拡張機能は、 と互換性がありますJupyterLab 4.0
。拡張機能の詳細については、「4 JupyterLab .0 との拡張機能の互換性」を参照してください。