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.
Ambientes pré-instalados do Studio Lab
O Amazon SageMaker Studio Lab usa ambientes conda para conter seus pacotes (ou bibliotecas). Um ambiente é uma pasta que contém os pacotes que você instalou. Você pode interagir com um ambiente usando o terminal ou seu JupyterLab notebook. Para usar um ambiente e os pacotes instalados nele, você deve escolher o kernel correspondente que contém o mesmo nome do ambiente ao abrir seu JupyterLab notebook. Para obter uma explicação passo a passo sobre como gerenciar seus ambientes, consulte Gerenciar seu ambiente. Para obter mais informações sobre a instalação de pacotes em seu ambiente, consulte Personalizar seu ambiente.
O Studio Lab tem vários ambientes pré-instalados para você. Todas as alterações feitas nos ambientes de memória persistente permanecerão para sua próxima sessão. Qualquer alteração nos ambientes de memória não persistente não permanecerá para suas próximas sessões, mas os pacotes contidos nele serão atualizados e testados quanto à compatibilidade pela Amazon. SageMaker Normalmente, você vai preferir usar o ambiente de memória sagemaker-distribution não persistente se quiser usar um ambiente totalmente gerenciado que já contenha muitos pacotes populares usados por engenheiros de machine learning (ML) e cientistas de dados. Caso contrário, você pode usar o ambiente default se quiser personalizá-lo de modo significativo.
A seguir, listamos os ambientes pré-instalados e seus casos de uso. Para ver os pacotes instalados em um ambiente, consulte Personalizar seu ambiente.
-
sagemaker-distribution: ambiente de memória não persistente que é regularmente atualizado e testado quanto à compatibilidade, totalmente gerenciado pela Amazon SageMaker. Esse ambiente contém pacotes populares usados em ML, ciência de dados e visualização. Osagemaker-distributionambiente está intimamente relacionado ao ambiente usado no Amazon SageMaker Studio Classic, portanto, depois de passar do Studio Lab para o Studio Classic, os notebooks devem funcionar da mesma forma. Para obter informações sobre como exportar seu ambiente do Studio Lab para o Studio Classic, consulteExportar um ambiente do Amazon SageMaker Studio Lab para o Amazon SageMaker Studio Classic. -
default: ambiente de memória persistente com poucos pacotes pré-instalados. Todos os pacotes instalados ou alterações nesse ambiente continuarão em sua próxima sessão. -
studiolab: ambiente de memória persistente em JupyterLab que outros pacotes relacionados estão instalados. Esse ambiente só deve ser usado para extensões JupyterLab de servidor Jupyter, para configurar a interface do JupyterLab usuário. -
studiolab-safemode: ambiente de memória não persistente. Esse ambiente é ativado automaticamente quando há um problema ao iniciar o runtime do projeto. Usado para a solução de problemas. Para obter mais informações sobre solução de problemas, consulte Solução de problemas. -
base: ambiente de memória não persistente. Esse ambiente é usado somente para ferramentas do sistema e não deve ser usado pelos clientes.
Para obter informações sobre SageMaker imagens e suas versões, consulte SageMaker Imagens da Amazon disponíveis para uso com o Studio Classic.
