Amazon SageMaker 笔记本实例

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Amazon SageMaker 笔记本实例是运行 Jupyter Notebook 应用程序的机器学习 (ML) 计算实例。机器学习 (ML) 从业者使用 Amazon A SageMaker I 的最佳方法之一是使用 SageMaker 笔记本实例训练和部署 ML 模型。 SageMaker笔记本实例通过在亚马逊弹性计算云 (Amazon EC2) 上启动 Jupyter 服务器并为预配置的内核提供以下软件包来帮助创建环境：Amazon Pyth SageMaker on SDK、、 AWS Command Line Interface (AWS CLI) 适用于 Python (Boto3) 的 AWS SDK、Conda、Pandas、深度学习框架库以及其他用于数据科学和机器学习的库。

在您的笔记本实例中使用 Jupyter Notebook 可以：

SageMaker AI 还提供包含完整代码示例的示例笔记本。这些示例展示了如何使用 SageMaker AI 来完成常见的机器学习任务。有关更多信息，请参阅 访问示例笔记本。

有关亚马逊 SageMaker 笔记本实例定价的信息，请参阅 A mazon SageMaker 定价。

维护

SageMaker AI 每 90 天至少更新一次 Amazon SageMaker 笔记本实例的底层软件。某些维护更新（如操作系统升级）可能要求您的应用程序在短时间内离线。在此期间，底层软件正在更新，因此无法执行任何操作。我们建议您至少每 30 天重启一次笔记本，以自动使用补丁。

有关更多信息，请联系 AWS Support。

使用 SageMaker Python 软件开发工具包进行机器学习

要在 SageMaker 笔记本实例中训练、验证、部署和评估机器学习模型，请使用 SageMaker Python SDK。 SageMaker Python 开发工具包包含摘要 适用于 Python (Boto3) 的 AWS SDK 和 SageMaker API 操作。它使您能够与其他 AWS 服务集成和编排，例如用于保存数据和模型工件的亚马逊简单存储服务 (Amazon S3)、用于导入和服务机器学习模型的亚马逊弹性容器注册表 (ECR)、用于训练和推理的亚马逊弹性计算云 (Amazon EC2)。

您还可以利用 SageMaker 人工智能功能来帮助您处理完整机器学习周期的每个阶段：数据标注、数据预处理、模型训练、模型部署、预测性能评估以及监控生产中模型的质量。

如果你是首次使用 SageMaker AI 的用户，我们建议你按照 end-to-end机器学习教程使用 SageMaker Python SDK。要查找开源文档，请参阅亚马逊 SageMaker Python 软件开发工具包。