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.
# Alteração na disponibilidade do Studio Lab
**nota**
O Amazon SageMaker Studio Lab não está mais aberto a novos clientes. Os clientes existentes podem continuar usando o serviço normalmente. AWS continua investindo em melhorias de segurança e disponibilidade para o Studio Lab, mas não planejamos introduzir novos recursos.
## SageMaker Estúdio Amazon
O Amazon SageMaker Studio serve como um substituto completo para o SageMaker Studio Lab, fornecendo o mesmo ambiente de JupyterLab-based notebook com acesso adicional a AWS serviços, recursos computacionais escaláveis e ferramentas de ML integradas. SageMaker O Studio suporta o mesmo tempo de execução de notebooks, ambientes conda e fluxos de trabalho de gerenciamento de arquivos com os quais os usuários do Studio Lab estão familiarizados.
Para computação, o SageMaker Studio fornece acesso a uma variedade de tipos de instância, do nível gratuito (ml.t3.medium) a GPU-accelerated instâncias como G6, G6e etc., permitindo que os usuários escalem além dos limites fixos de 12 GB de RAM e 15 GB de armazenamento do Studio Lab. Para colaboração e MLOPs, o SageMaker Studio se integra a AWS serviços como Amazon S3, SageMaker Pipelines e Managed MLflow para rastreamento de experimentos. Consulte o [ SageMaker AI Free Tier ](https://aws.amazon.com/sagemaker/ai/pricing/) para obter detalhes.
Juntos, esses recursos fornecem uma alternativa escalável e pronta para produção ao ambiente de notebook de nível gratuito do SageMaker Studio Lab.
## Substituindo o Amazon SageMaker Studio Lab pelo Amazon SageMaker Studio
Esta seção orienta você na migração de seus dados existentes do Amazon SageMaker Studio Lab para o Amazon SageMaker Studio. Essa solução oferece suporte a funcionalidades equivalentes para executar JupyterLab notebooks, gerenciar ambientes conda e armazenar arquivos de projetos durante o desenvolvimento na Amazon SageMaker AI.
### Exportando do Studio Lab
1. **Exportar configurações do ambiente Conda. ** Ative o ambiente conda que você deseja migrar e exporte-o para um arquivo YAML. Não exporte os `base` ambientes`studiolab`,`studiolab-safemode`, ou, pois eles são incompatíveis com o SageMaker Studio.
1. **Salve cadernos e arquivos de dados. ** Baixe seus JupyterLab notebooks (arquivos.ipynb), scripts Python e quaisquer dados associados do seu ambiente do Studio Lab. Você pode exportar arquivos para sua máquina local usando o navegador de arquivos do Studio Lab ou enviá-los para um repositório Git usando o terminal do Studio Lab.
1. **Copie grandes conjuntos de dados para o Amazon S3 (se aplicável). ** Para arquivos ou diretórios grandes que são difíceis de baixar localmente, copie-os em um bucket do S3 usando o terminal do Studio Lab. Consulte [ Upload de objetos para o Amazon S3 ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/upload-objects.html) para obter as etapas detalhadas.
1. **Exclua seu projeto do Studio Lab (opcional). ** Depois que a migração for confirmada, exclua seus arquivos de projeto do Studio Lab para liberar espaço de armazenamento.
### Configurando substituições
1. **Crie uma AWS conta. ** Se você ainda não tiver uma AWS conta, crie uma em [ aws.amazon. com/free](https://aws.amazon.com/free/).
1. **Configure um domínio e um espaço de SageMaker estúdio. ** Crie um domínio e um perfil de usuário do SageMaker Studio e, em seguida, crie um JupyterLab Espaço. Cada espaço recebe seu próprio volume do Amazon EBS para armazenamento persistente. Consulte a visão geral do domínio [ SageMaker AI ](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-onboard.html) para ver as etapas detalhadas.
1. **Faça upload de cadernos e arquivos para o SageMaker Studio. ** Abra seu JupyterLab Space e faça o upload dos arquivos exportados usando o ícone de upload do Navegador de Arquivos ou clone seu repositório Git diretamente do terminal. JupyterLab
1. **Recrie ambientes de conda no SageMaker Studio. ** Abra um terminal no seu JupyterLab Space e use o arquivo YAML exportado para recriar seu ambiente conda. Após a instalação, o ambiente estará disponível como um kernel para seus notebooks. Consulte a personalização do [ JupyterLab ambiente ](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-jl-user-guide-customize-package-manager.html) no SageMaker Studio para obter as etapas detalhadas.
A migração para o SageMaker Studio migra apenas seus notebooks, arquivos e configurações de ambiente. O uso histórico da computação ou os registros de sessão do Studio Lab não são transferidos. O desenvolvimento, a experimentação e o gerenciamento de computação futuros acontecerão no SageMaker Studio.