As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Configurar uma instância de DLAMI
Depois de [escolher uma DLAMI](choose-dlami.md) e [escolher um tipo de instância do Amazon Elastic Compute Cloud (Amazon EC2)](instance-select.md) que você deseja usar, você estará com tudo pronto para configurar a nova instância de DLAMI.
Se ainda não tiver escolhido uma DLAMI e um tipo de instância do EC2, consulte [Conceitos básicos da DLAMI](getting-started.md).
**Topics**
+ [Encontrar o ID de uma DLAMI](find-dlami-id.md)
+ [Inicializar uma instância de DLAMI](launch.md)
+ [Conectar-se a uma instância de DLAMI](setup-connect.md)
+ [Configurar um servidor de cadernos Jupyter em uma instância de DLAMI](setup-jupyter.md)
+ [Limpar uma instância de DLAMI](setup-cleanup.md)
# Encontrar o ID de uma DLAMI
Cada DLAMI tem um identificador exclusivo (ID). Ao inicializar uma instância de DLAMI usando o console do Amazon EC2, você pode usar o ID de DLAMI para pesquisar a DLAMI que deseja usar. Quando você inicializa uma instância de DLAMI usando a AWS Command Line Interface (AWS CLI), esse ID é obrigatório.
Você pode encontrar o ID da DLAMI escolhida usando um comando da AWS CLI para o Amazon EC2 ou Parameter Store, um recurso do AWS Systems Manager. Para conferir instruções sobre como instalar e configurar a AWS CLI, consulte [Get started with the AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started) no *Guia do usuário da AWS Command Line Interface*.
------
#### [ Using Parameter Store ]
**Como encontrar o ID de uma DLAMI usando **ssm get-parameter****
No comando [https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ssm/get-parameter.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ssm/get-parameter.html) a seguir, para a opção `--name`, o formato do nome do parâmetro é */aws/service/deeplearning/ami/\$1architecture/\$1ami\$1type/latest/ami-id*. Nesse formato de nome, *architecture* pode ser **x86\$164** ou **arm64**. Especifique *ami\$1type* usando o nome da DLAMI sem as palavras-chave “deep”, “learning” e “ami”. O nome da AMI pode ser encontrado em [Notas de AMIs lançamento do Deep Learning](appendix-ami-release-notes.md).
**Importante**
Para usar esse comando, a entidade principal do AWS Identity and Access Management (IAM) que você usar deverá ter a permissão `ssm:GetParameter`. Para ter mais informações sobre as entidades principais do IAM, consulte a seção [Recursos adicionais](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html#id_roles_additional-resources) de **Perfis do IAM** no *Guia do usuário do IAM*.
+
```
aws ssm get-parameter --name /aws/service/deeplearning/ami/x86_64/base-oss-nvidia-driver-ubuntu-22.04/latest/ami-id \
--region us-east-1 --query "Parameter.Value" --output text
```
A saída deve ser semelhante à seguinte:
```
ami-09ee1a996ac214ce7
```
**dica**
Para alguns frameworks de DLAMI atualmente compatíveis, você pode encontrar exemplos de comandos **ssm get-parameter** mais específicos em [Notas de AMIs lançamento do Deep Learning](appendix-ami-release-notes.md). Escolha o link para as notas de lançamento da DLAMI escolhida, depois encontre o respectivo ID query nas notas de lançamento.
------
#### [ Using Amazon EC2 CLI ]
**Como encontrar o ID de uma DLAMI usando **ec2 describe-images****
No comando [https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/describe-images.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/describe-images.html) a seguir, para o valor do filtro `Name=name`, insira o nome da DLAMI. Você pode especificar uma versão de lançamento para determinado framework ou obter a versão mais recente substituindo o número da versão por um ponto de interrogação (?).
+
```
aws ec2 describe-images --region us-east-1 --owners amazon \
--filters 'Name=name,Values=Deep Learning Base OSS Nvidia Driver GPU AMI (Ubuntu 22.04) ????????' 'Name=state,Values=available' \
--query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' --output text
```
A saída deve ser semelhante à seguinte:
```
ami-09ee1a996ac214ce7
```
**dica**
Para conferir um exemplo de comando **ec2 describe-images** específico para a DLAMI escolhida, consulte [Notas de AMIs lançamento do Deep Learning](appendix-ami-release-notes.md). Escolha o link para as notas de lançamento da DLAMI escolhida, depois encontre o respectivo ID query nas notas de lançamento.
------
**Próxima etapa**
[Inicializar uma instância de DLAMI](launch.md)
# Inicializar uma instância de DLAMI
Depois de [encontrar o ID](find-dlami-id.md) da DLAMI que você quer usar para inicializar uma instância de DLAMI, você estará com tudo pronto para inicializar a instância. Para inicializá-la, você pode usar o console do Amazon EC2 ou a AWS Command Line Interface (AWS CLI).
**nota**
Para esta demonstração, podemos fazer referências específicas à AMI de aprendizado profundo básica para GPU com driver OSS da NVIDIA (Ubuntu 22.04). Mesmo que selecione outra DLAMI, você deve ser capaz de seguir este guia.
------
#### [ EC2 console ]
**nota**
Para acelerar as aplicações de machine learning e de computação de alta performance (HPC), você pode inicializar a instância de DLAMI com um Elastic Fabric Adapter (EFA). Para conferir instruções específicas, consulte [Executando uma AMIs de deep learning da AWS instância com o EFA](tutorial-efa-launching.md).
1. Abra o [Console do EC2](https://console.aws.amazon.com/ec2).
1. Observe sua Região da AWS atual na navegação superior. Se essa não for a região desejada, altere essa opção antes de continuar. Para ter mais informações, consulte [Amazon EC2 service endpoints](https://docs.aws.amazon.com/general/latest/gr/ec2-service.html#ec2_region) no *Referência geral da Amazon Web Services*.
1. Escolha **Executar instância**.
1. Insira um nome para a instância e selecione a DLAMI adequada.
1. Encontre uma DLAMI existente em **Minhas AMIs** ou escolha **Início rápido**.
1. Pesquise por ID da DLAMI. Navegue pelas opções e selecione a escolhida.
1. Escolha um tipo de instância. Você pode encontrar as famílias de instâncias recomendadas para uma DLAMI em [Notas de AMIs lançamento do Deep Learning](appendix-ami-release-notes.md). Para encontrar recomendações gerais sobre os tipos de instância de DLAMI, consulte [Escolher o tipo de instância de DLAMI](instance-select.md).
1. Escolha **Executar instância**.
------
#### [ AWS CLI ]
+ Para usar a AWS CLI, você deve ter o ID da DLAMI que deseja usar, a Região da AWS e o tipo de instância do EC2 e as informações do token de segurança. Depois, você poderá inicializar a instância usando o comando [https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/run-instances.html](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/run-instances.html) da AWS CLI.
Para conferir instruções sobre como instalar e configurar a AWS CLI, consulte [Get started with the AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-getting-started) no *Guia do usuário da AWS Command Line Interface*. Para ter mais informações, incluindo exemplos de comandos, consulte [Launch, list, and close Amazon EC2 instances for the AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-services-ec2-instances.html).
------
Depois de inicializar a instância usando o console do Amazon EC2 ou a AWS CLI, aguarde até que a instância esteja pronta. Isso normalmente leva apenas alguns minutos. Você pode verificar o status da instância no [console do Amazon EC2](https://console.aws.amazon.com/ec2). Para ter mais informações, consulte [Verificações do status das instâncias do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/monitoring-system-instance-status-check.html) no *Guia do usuário do Amazon EC2*.
**Próxima etapa**
[Conectar-se a uma instância de DLAMI](setup-connect.md)
# Conectar-se a uma instância de DLAMI
Depois que você [inicializar uma instância de DLAMI](launch.md) e ela estiver em execução, poderá se conectar a ela de um cliente (Windows, macOS ou Linux) usando SSH. Para conferir instruções, consulte [Conectar-se à instância do Linux usando SSH](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/AccessingInstances.html) no *Guia do usuário do Amazon EC2*.
Mantenha uma cópia do comando de login SSH à mão caso queira configurar um servidor de cadernos Jupyter depois de fazer login. Para se conectar à página da web do Jupyter, use uma variação desse comando.
**Próxima etapa**
[Configurar um servidor de cadernos Jupyter em uma instância de DLAMI](setup-jupyter.md)
# Configurar um servidor de cadernos Jupyter em uma instância de DLAMI
Com um servidor de cadernos Jupyter, você pode criar e executar cadernos Jupyter por meio da instância de DLAMI. Com os notebooks Jupyter, você pode realizar experimentos de aprendizado de máquina (ML) para treinamento e inferência enquanto usa a AWS infraestrutura e acessa pacotes incorporados ao DLAMI. Para ter mais informações sobre cadernos Jupyter, consulte [The Jupyter Notebook](https://jupyter-notebook.readthedocs.io/en/latest/notebook.html) no site da documentação do usuário do Jupyter.
Para configurar um servidor de cadernos Jupyter, você deve:
+ Configurar o servidor de cadernos Jupyter na instância de DLAMI.
+ Configurar o cliente para se conectar ao servidor de cadernos Jupyter. Fornecemos instruções de configuração para Windows, macOS e clientes Linux.
+ Testar a configuração fazendo login no servidor de cadernos Jupyter.
Para concluir essas etapas, siga as instruções nos tópicos a seguir. Depois de configurar um servidor Jupyter Notebook, você pode executar os exemplos de tutoriais de notebook fornecidos no. DLAMIs Para obter mais informações, consulte [Executar os tutoriais do notebook Jupyter](tutorial-jupyter.md).
**Topics**
+ [Proteger o servidor](setup-jupyter-secure.md)
+ [Iniciar o servidor](setup-jupyter-start-server.md)
+ [Conectar cliente](setup-jupyter-connect.md)
+ [Fazer login](setup-jupyter-login.md)
# Proteger o servidor de cadernos Jupyter em uma instância de DLAMI
Para manter um servidor de cadernos Jupyter seguro, recomendamos configurar uma senha e criar um certificado SSL para o servidor. Para configurar uma senha e SSL, primeiro [conecte-se à instância de DLAMI](setup-connect.md) e siga estas instruções.
**Como proteger o servidor de cadernos Jupyter**
1. O Jupyter fornece um utilitário de senha. Execute o comando a seguir e insira sua senha preferencial no prompt.
```
$ jupyter notebook password
```
O resultado será semelhante ao seguinte:
```
Enter password:
Verify password:
[NotebookPasswordApp] Wrote hashed password to /home/ubuntu/.jupyter/jupyter_notebook_config.json
```
1. Crie um certificado SSL autoassinado. Siga os prompts para preencher sua localidade, conforme julgar necessário. É necessário inserir `.` se deseja deixar um prompt em branco. Suas respostas não afetarão a funcionalidade do certificado.
```
$ cd ~
$ mkdir ssl
$ cd ssl
$ openssl req -x509 -nodes -days 365 -newkey rsa:2048 -keyout mykey.key -out mycert.pem
```
**nota**
Talvez você queira criar um certificado SSL regular assinado por terceiros que não faz com que o navegador forneça um aviso de segurança. Esse processo é muito mais complexo. Para ter mais informações, consulte [Securing a notebook server](https://jupyter-notebook.readthedocs.io/en/6.2.0/public_server.html#securing-a-notebook-server) na documentação do usuário do caderno Jupyter.
**Próxima etapa**
[Iniciar o servidor de cadernos Jupyter em uma instância de DLAMI](setup-jupyter-start-server.md)
# Iniciar o servidor de cadernos Jupyter em uma instância de DLAMI
Depois de [proteger o servidor de cadernos Jupyter com uma senha e SSL](setup-jupyter-secure.md), você pode iniciar o servidor. Faça login na instância de DLAMI e execute o comando a seguir que usa o certificado SSL que você criou anteriormente.
```
$ jupyter notebook --certfile=~/ssl/mycert.pem --keyfile ~/ssl/mykey.key
```
Com o servidor iniciado, agora você pode se conectar a ele por meio de um túnel SSH em seu computador cliente. Quando o servidor for executado, você verá alguma saída do Jupyter confirmando que o servidor está em execução. Nesse ponto, ignore o texto informando que você pode acessar o servidor por meio de um URL de host local, pois isso não funcionará até criar o túnel.
**nota**
O Jupyter resolverá a troca de ambientes para você ao alternar as estruturas usando a interface da web do Jupyter. Para obter mais informações, consulte [Alternar ambientes com o Jupyter](tutorial-jupyter.md#tutorial-jupyter-switching).
**Próxima etapa**
[Conectar um cliente ao servidor de cadernos Jupyter em uma instância de DLAMI](setup-jupyter-connect.md)
# Conectar um cliente ao servidor de cadernos Jupyter em uma instância de DLAMI
Depois de [iniciar o servidor de cadernos Jupyter na instância de DLAMI](setup-jupyter-start-server.md), configure um cliente Windows, macOS ou Linux para se conectar ao servidor. Ao se conectar, você pode criar e acessar cadernos Jupyter no servidor em sua área de trabalho e executar o código de aprendizado profundo no servidor.
## Pré-requisitos
Você deve ter as seguintes informações, que são necessárias para configurar um túnel SSH:
+ O nome DNS público da instância do Amazon EC2. Para obter mais informações, consulte [Tipos de nomes do host de instâncias do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-instance-naming.html) no *Guia do usuário do Amazon EC2*.
+ O par de chaves do arquivo de chave privada. Para ter mais informações sobre como acessar o par de chaves, consulte [Pares de chaves do Amazon EC2 e instâncias do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-key-pairs.html) no *Guia do usuário do Amazon EC2*.
## Conectar-se de um cliente Windows, macOS ou Linux
Para se conectar à instância de DLAMI por meio de um cliente Windows, macOS ou Linux, siga as instruções do sistema operacional do seu cliente.
------
#### [ Windows ]
**Como se conectar à instância de DLAMI por meio de um cliente Windows usando SSH**
1. Use um cliente SSH para Windows, como PuTTY. Para conferir instruções, consulte [Conectar-se à instância do Linux usando PuTTY](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/connect-linux-inst-from-windows.html) no *Guia do usuário do Amazon EC2*. Para outras opções de conexão SSH, consulte [Conectar-se à instância do Linux usando SSH](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/connect-to-linux-instance.html).
1. (Opcional) Crie um túnel SSH para um servidor do Jupyter em execução. Instale o Git Bash no cliente Windows e siga as instruções de conexão para clientes macOS e Linux.
------
#### [ macOS or Linux ]
**Como se conectar à instância de DLAMI por meio de um cliente macOS ou Linux usando SSH**
1. Abra um terminal.
1. Execute o comando a seguir para encaminhar todas as solicitações da porta local 8888 para a porta 8888 na instância do Amazon EC2 remota. Atualize o comando substituindo a localização da chave para acessar a instância do Amazon EC2 e o nome DNS público da instância. Observe que, para uma AMI do Amazon Linux, o nome do usuário `ec2-user` em vez de `ubuntu`.
```
$ ssh -i ~/mykeypair.pem -N -f -L 8888:localhost:8888 ubuntu@ec2-###-##-##-###.compute-1.amazonaws.com
```
Esse comando abre um túnel entre o cliente e a instância do Amazon EC2 remota que está executando o servidor de cadernos Jupyter.
------
**Próxima etapa**
[Fazer login no servidor de cadernos Jupyter em uma instância de DLAMI](setup-jupyter-login.md)
# Fazer login no servidor de cadernos Jupyter em uma instância de DLAMI
Depois de [conectar o cliente ao servidor de cadernos Jupyter na instância de DLAMI](setup-jupyter-connect.md), você pode fazer login no servidor.
**Como fazer login no servidor pelo navegador**
1. Na barra de endereço do navegador, insira o seguinte URL ou clique neste link: [https://localhost:8888](https://localhost:8888)
1. Com um certificado SSL autoassinado, o navegador avisará você para que não continue com o acesso ao site.
![\[Aviso SSL\]](http://docs.aws.amazon.com/pt_br/dlami/latest/devguide/images/ssl-warning1.png)
Como você mesmo configurou isso, é seguro continuar. O navegador receberá um botão "avançado", "mostrar detalhes" ou algo semelhante.
![\[Confirmação de aviso SSL\]](http://docs.aws.amazon.com/pt_br/dlami/latest/devguide/images/ssl-warning2.png)
Clique nele e depois clique no link "prosseguir para localhost". Se a conexão for bem-sucedida, você verá a página da web do servidor de cadernos Jupyter. Nesse momento, será solicitada a senha definida anteriormente.
Agora você tem acesso ao servidor de cadernos Jupyter em execução na instância de DLAMI. Você pode criar novos cadernos ou executar os [Tutoriais](tutorials.md) fornecidos.
# Limpar uma instância de DLAMI
Quando não precisar mais da instância de DLAMI, você poderá interrompê-la ou encerrá-la no Amazon EC2 para evitar cobranças inesperadas.
Se você interromper uma instância, poderá mantê-la ativa e iniciá-la mais tarde, quando quiser usá-la novamente. Suas configurações, arquivos e outras informações não voláteis são armazenados em um volume no Amazon Simple Storage Service (Amazon S3). Enquanto a instância está parada, você incorre em cobranças do S3 pela retenção do volume, mas não incorre em cobranças por recursos computacionais. Quando você iniciar a instância novamente, ela montará esse volume de armazenamento com os dados.
Se você encerrar uma instância, ela será perdida e você não poderá iniciá-la novamente. Obviamente, uma instância encerrada não incorrerá em mais nenhuma cobrança pelos recursos de computação. No entanto, seus dados continuarão residindo no Amazon S3 e você poderá continuar incorrendo em cobranças do S3. Para evitar todas as cobranças adicionais relacionadas à instância encerrada, você também deve excluir o volume de armazenamento no Amazon S3. Para conferir instruções, consulte [Encerramento de instâncias do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/terminating-instances.html) no *Guia do usuário do Amazon EC2*.
Para ter mais informações sobre os estados de instâncias do Amazon EC2, como `stopped` e `terminated`, consulte [Alterações do estado de instâncias do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-instance-lifecycle.html) no *Guia do usuário do Amazon EC2*.