選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

Amazon SageMaker 筆記本執行個體

焦點模式
Amazon SageMaker 筆記本執行個體 - Amazon SageMaker AI

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

Amazon SageMaker 筆記本執行個體是執行 Jupyter Notebook 應用程式的機器學習 (ML) 運算執行個體。機器學習 (ML) 從業人員使用 Amazon SageMaker AI 的最佳方式之一,就是使用 SageMaker 筆記本執行個體訓練和部署 ML 模型。SageMaker AI 筆記本執行個體透過在 Amazon Elastic Compute Cloud (Amazon EC2) 上啟動 Jupyter 伺服器,以及使用下列套件提供預先設定的核心來協助建立環境:Amazon SageMaker AI Python SDK 適用於 Python (Boto3) 的 AWS SDK、 AWS Command Line Interface (AWS CLI)、Conda、Pandas、深度學習架構程式庫,以及其他用於資料科學和機器學習的程式庫。

在筆記本執行個體中使用 Jupyter 筆記本來:

  • 準備和處理資料

  • 編寫程式碼來訓練模型

  • 將模型部署至 SageMaker AI 託管

  • 測試或驗證您的模型

SageMaker AI 也提供包含完整程式碼範例的範例筆記本。這些範例示範如何使用 SageMaker AI 來執行常見的 ML 任務。如需詳細資訊,請參閱存取範例筆記本

如需有關使用 Amazon SageMaker 筆記本執行個體定價的資訊,請參閱 Amazon SageMaker AI 定價

維護

SageMaker AI 至少每 90 天更新一次 Amazon SageMaker Notebook 執行個體的基礎軟體。某些維護更新 (例如作業系統升級) 可能需要您的應用程式在短時間內離線。在此期間,基礎軟體正在更新時,無法執行任何作業。建議您至少每 30 天重新啟動筆記本一次,以自動使用修補程式。

如需詳細資訊,請聯絡 AWS 支援

使用 SageMaker Python SDK 進行機器學習

若要在 SageMaker 筆記本執行個體中訓練、驗證、部署和評估機器學習 (ML) 模型,請使用 SageMaker Python SDK。SageMaker Python SDK 摘要 適用於 Python (Boto3) 的 AWS SDK 和 SageMaker API 操作。它可讓您整合和協調 AWS 其他服務,例如用於儲存資料和模型成品的 Amazon Simple Storage Service (Amazon S3)、用於匯入和服務 ML 模型的 Amazon Elastic Container Registry (ECR)、用於訓練和推論的 Amazon Elastic Compute Cloud (Amazon EC2)。

您也可以利用 SageMaker AI 功能,協助您處理完整 ML 週期的每個階段:資料標記、資料預先處理、模型訓練、模型部署、預測效能評估,以及監控生產中的模型品質。

如果您是第一次使用 SageMaker AI,我們建議您遵循end-to-end教學課程,使用 SageMaker Python SDK。要查找開放原始碼的文件,請參閱 Amazon SageMaker Python SDK

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。