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.
Personalize o Amazon SageMaker Studio Classic
Importante
Em 30 de novembro de 2023, a experiência anterior do Amazon SageMaker Studio agora se chama Amazon SageMaker Studio Classic. A seção a seguir é específica ao uso da aplicação Studio Classic. Para obter informações sobre como usar a experiência atualizada do Studio, consulte SageMaker Estúdio Amazon.
Há quatro opções para personalizar seu ambiente Amazon SageMaker Studio Classic. Você traz sua própria imagem de SageMaker IA, usa um script de configuração do ciclo de vida, anexa repositórios Git sugeridos ao Studio Classic ou cria kernels usando ambientes persistentes do Conda no Amazon EFS. Use cada opção individualmente ou em conjunto.
-
Traga sua própria imagem de SageMaker IA: uma imagem de SageMaker IA é um arquivo que identifica os kernels, pacotes de idiomas e outras dependências necessárias para executar um notebook Jupyter no Amazon Studio Classic. SageMaker A Amazon SageMaker AI fornece muitas imagens integradas para você usar. Se precisar de uma funcionalidade diferente, você pode trazer suas próprias imagens personalizadas para o Studio.
-
Use configurações de ciclo de vida com o Amazon SageMaker Studio Classic: as configurações de ciclo de vida são scripts de shell acionados por eventos do ciclo de vida do Amazon SageMaker Studio Classic, como iniciar um novo notebook Studio Classic. Você pode usar configurações de ciclo de vida para automatizar a personalização do seu ambiente Studio. Por exemplo, você pode instalar pacotes personalizados, configurar extensões de caderno, pré-carregar conjuntos de dados e configurar repositórios de código-fonte.
-
Anexe repositórios Git sugeridos ao Studio Classic: você pode anexar um repositório Git sugerido no nível do domínio URLs do Amazon SageMaker AI ou do perfil do usuário. Em seguida, você pode selecionar o URL do repositório na lista de sugestões e cloná-lo em seu ambiente usando a extensão Git no Studio.
-
Ambientes Conda persistentes para o volume Studio Classic Amazon EFS: o Studio usa um volume do Amazon EFS como uma camada de armazenamento persistente. Você pode salvar seu ambiente Conda nesse volume do Amazon EFS e, em seguida, usar o ambiente salvo para criar kernels. O Studio Classic seleciona automaticamente todos os ambientes válidos salvos no Amazon EFS como KernelGateway kernels. Esses kernels persistem até a reinicialização do kernel, da aplicação e do Studio Classic. Para obter mais informações, consulte a seção Ambientes Persist Conda para o volume EFS do Studio Classic em Quatro abordagens para gerenciar pacotes Python em notebooks Amazon SageMaker
Studio Classic.
Os tópicos a seguir mostram como usar essas três opções para personalizar seu ambiente Amazon SageMaker Studio Classic.
Tópicos
