JupyterLab 사용 설명서

이 가이드는 SageMaker Studio 내에서 분석 및 기계 학습 워크플로를 실행하는 방법을 JupyterLab 사용자에게 보여줍니다. 필요에 따라 빠른 스토리지를 확보하고 컴퓨팅을 확장하거나 축소할 수 있습니다.

JupyterLab 는 프라이빗 공간과 공유 공간을 모두 지원합니다. 프라이빗 스페이스는 도메인의 단일 사용자로 범위가 지정됩니다. 공유 공간을 사용하면 도메인의 다른 사용자가 실시간으로 사용자와 협업할 수 있습니다. Studio 스페이스에 대한 자세한 내용은 섹션을 참조하세요Amazon SageMaker Studio 공백.

를 사용하려면 공백을 JupyterLab생성하고 애플리케이션을 시작합니다 JupyterLab. JupyterLab 애플리케이션을 실행하는 공간은 JupyterLab 공백입니다. 이 JupyterLab 공간은 컴퓨팅에 단일 Amazon EC2 인스턴스를 사용하고 스토리지에 단일 Amazon EBS 볼륨을 사용합니다. 코드, git 프로필, 환경 변수와 같은 공간 내 모든 것은 동일한 Amazon EBS 볼륨에 저장됩니다. 볼륨은 3000IOPS이고 처리량은 초당 125메가바이트입니다(MBps). 빠른 스토리지를 사용하여 동일한 인스턴스에서 여러 Jupyter 노트북을 열고 실행할 수 있습니다. 노트북에서 커널을 매우 빠르게 전환할 수도 있습니다.

관리자가 사용자의 공간에 대한 기본 Amazon EBS 스토리지 설정을 구성했습니다. 기본 스토리지 크기는 5GB이지만 얻는 공간을 늘릴 수 있습니다. 관리자와 상의하여 지침을 제공할 수 있습니다.

를 실행하는 데 사용하는 Amazon EC2 인스턴스 유형을 전환하여 필요에 따라 컴퓨팅 JupyterLab을 확장하거나 축소할 수 있습니다. 빠른 시작 인스턴스는 다른 인스턴스보다 훨씬 빠르게 시작됩니다.

관리자가 환경을 사용자 지정하는 수명 주기 구성을 제공할 수 있습니다. 공간을 생성할 때 수명 주기 구성을 지정할 수 있습니다.

관리자가 Amazon 에 대한 액세스 권한을 부여하는 경우 액세스하도록 공간을 구성할 EFS JupyterLab 수 있습니다.

기본적으로 JupyterLab 애플리케이션은 SageMaker 배포 이미지를 사용합니다. 여기에는 많은 기계 학습, 분석 및 딥 러닝 패키지에 대한 지원이 포함됩니다. 하지만 사용자 지정 이미지가 필요한 경우 관리자가 사용자 지정 이미지에 대한 액세스를 제공하는 데 도움을 줄 수 있습니다.

Amazon EBS 볼륨은 인스턴스의 수명과 독립적으로 유지됩니다. 인스턴스를 변경해도 데이터가 손실되지 않습니다. conda 및 pip 패키지 관리 라이브러리를 사용하여 인스턴스 유형을 전환할 때에도 지속되는 재현 가능한 사용자 지정 환경을 생성합니다.

를 연 후 터미널을 사용하여 환경을 구성할 JupyterLab수 있습니다. 터미널을 열려면 시작 관리자로 이동하여 터미널 을 선택합니다.

다음은 에서 환경을 구성할 수 있는 다양한 방법의 예입니다 JupyterLab.