Anpassen von Amazon SageMaker Studio Classic
Wichtig
Am 30. November 2023 wurde Amazon SageMaker Studio in Amazon SageMaker Studio umbenannt. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Konfiguration finden Sie unter Amazon SageMaker Studio.
Es gibt vier Optionen zum Anpassen Ihrer Umgebung von Amazon SageMaker Studio Classic. Sie bringen Ihr eigenes SageMaker-Image mit, verwenden ein Lebenszyklus-Konfigurationsskript, hängen vorgeschlagene Git-Repos an Studio Classic an oder erstellen Kernel mithilfe persistenter Conda-Umgebungen in Amazon EFS. Verwenden Sie jede Option einzeln oder zusammen.
-
Ihr eigenes SageMaker-Image einspielen: Ein SageMaker-Image ist eine Datei, die die Kernel, Sprachpakete und andere Abhängigkeiten identifiziert, die für die Ausführung eines Jupyter Notebooks in Amazon SageMaker Studio Classic erforderlich sind. Amazon SageMaker AI bietet viele integrierte Images, die Sie verwenden können. Wenn Sie andere Funktionen benötigen, können Sie Ihre eigenen benutzerdefinierten Images in Studio Classic verwenden.
-
Lebenszykluskonfigurationen mit Amazon SageMaker Studio verwenden: Lebenszykluskonfigurationen sind Shell-Skripte, die durch Lebenszyklusereignisse von Amazon SageMaker Studio Classic ausgelöst werden, z. B. durch das Starten eines neuen Studio-Classic-Notebooks. Sie können Lebenszykluskonfigurationen verwenden, um die Anpassung für Ihre Umgebung von Studio Classic zu automatisieren. Sie können beispielsweise benutzerdefinierte Pakete installieren, Notebook-Erweiterungen konfigurieren, Datensätze vorab laden und Quellcode-Repositorys einrichten.
-
Vorgeschlagene Git-Repos an Studio anhängen: Sie können vorgeschlagene Git-Repository-URLs auf Domain- oder Benutzerprofilebene von Amazon SageMaker AI anhängen. Anschließend können Sie die Repo-URL aus der Liste der Vorschläge auswählen und sie mithilfe der Git-Erweiterung in Studio Classic in Ihre Umgebung klonen.
-
Conda-Umgebungen auf dem Volume von Studio Classic Amazon EFS beibehalten: Studio verwendet ein Amazon-EFS-Volume als persistente Speicherebene. Sie können Ihre Conda-Umgebung auf diesem Amazon EFS-Volume speichern und dann die gespeicherte Umgebung verwenden, um Kernel zu erstellen. Studio Classic nimmt automatisch alle gültigen Umgebungen auf, die in Amazon EFS als KernelGateway-Kernel gespeichert sind. Diese Kernel bleiben auch nach einem Neustart von Kernel, App und Studio Classic bestehen. Weitere Informationen finden Sie im Abschnitt Conda-Umgebungen auf dem Studio EFS-Volume beibehalten unter Vier Ansätze zur Verwaltung von Python-Paketen in Notebooks von Amazon SageMaker Studio Classic
.
Die folgenden Themen zeigen, wie Sie diese drei Optionen verwenden können, um Ihre Umgebung von Amazon SageMaker Studio Classic anzupassen.
Themen
