Verwalten Sie Ihre Umgebung

Amazon SageMaker Studio Lab bietet vorinstallierte Umgebungen für Ihre Studio Lab-Notebook-Instances. Mit diesen Umgebungen können Sie eine Studio Lab-Notebook-Instance mit den Paketen starten, die Sie verwenden möchten. Dazu installieren Sie in der Umgebung Pakete und wählen dann die Umgebung als Kernel aus.

In Studio Lab sind verschiedene Umgebungen für Sie vorinstalliert. In der Regel verwenden Sie die sagemaker-distribution Umgebung, wenn Sie eine vollständig verwaltete Umgebung verwenden möchten, die bereits viele beliebte Pakete im Bereich Machine Learning (ML) für Ingenieure und Datenwissenschaftler enthält. Andernfalls können Sie die default Umgebung verwenden, wenn Sie Ihre Umgebung dauerhaft individualisieren wollen. Weitere Informationen zu den angebotenen vorinstallierten Studio Lab-Umgebungen finden Sie unter Vorinstallierte Studio Lab-Umgebungen.

Sie können Ihre Umgebung anpassen, indem Sie neue Pakete (oder Bibliotheken) hinzufügen. Sie können auch aus Studio Lab heraus neue Umgebungen erstellen, kompatible Umgebungen importieren, Ihre Umgebung zurücksetzen, um Platz zu schaffen, u.v.m.

Die folgenden Befehle werden in einem Studio Lab-Terminal ausgeführt. Bei der Installation von Paketen wird jedoch dringend empfohlen, diese in Ihrem Studio Lab Jupyter Notebook zu installieren. Dadurch wird sichergestellt, dass die Pakete in der vorgesehenen Umgebung installiert sind. Damit die Befehle in einem Jupyter Notebook ausgeführt werden, stellen Sie dem jeweiligen Befehl ein % voran, bevor Sie die Zelle ausführen. Der Codeausschnitt pip list in einem Terminal ist z. B. dasselbe wie %pip list in einem Jupyter Notebook.

Die folgenden Abschnitte enthalten Informationen zu Ihrer default Conda-Umgebung und dazu, wie Sie diese individuell anpassen und wie Sie Conda-Umgebungen hinzufügen und entfernen können. Eine Liste der Beispielumgebungen, die Sie in Studio Lab installieren können, finden Sie unter Benutzerdefinierte Conda-Umgebungen erstellen. Informationen zur Verwendung dieser YAML-Dateien für eine Beispielumgebung mit Studio Lab finden Sie unter Schritt 4: Installieren Ihrer Conda-Umgebungen von Studio Lab in Studio Classic.

Ihre Standardumgebung

Studio Lab verkapselt die Softwarepakete, die für den Betrieb von Notebooks gebraucht werden, mit Conda-Umgebungen. Ihr Projekt enthält eine Conda-Standardumgebung mit dem Namen default mit dem IPython-Kernel. Diese Umgebung dient als Standard-Kernel für Ihre Jupyter Notebooks.

Umgebungen anzeigen

Sie können ein Terminal oder ein Jupyter Notebook verwenden, damit die Umgebungen in Studio Lab angezeigt werden. Die folgenden Befehle sind für ein Studio Lab-Terminal bestimmt. Wenn die entsprechenden Befehle in einem Jupyter Notebook ausgeführt werden sollen, finden Sie weitere Informationen unter Verwalten Sie Ihre Umgebung.

Öffnen Sie das Studio-Lab-Terminal, indem Sie den Bereich Dateibrowser ( ) öffnen. Wählen Sie im Menü oben im Dateibrowser das Pluszeichen (+), um den Launcher zu öffnen, und wählen Sie dann Terminal. Führen Sie im Studio Lab-Terminal die Conda-Umgebungen auf, indem Sie den folgenden Befehl ausführen.

conda env list

Dieser Befehl gibt eine Liste der Conda-Umgebungen und ihrer Speicherorte im Dateisystem aus. Wenn Sie Studio Lab integrieren, aktivieren Sie automatisch die studiolab Conda-Umgebung. Das folgende Beispiel zeigt eine Aufstellung der Umgebungen nach dem Onboarding.

# conda environments:
#
default                  /home/studio-lab-user/.conda/envs/default
studiolab             *  /home/studio-lab-user/.conda/envs/studiolab
studiolab-safemode       /opt/amazon/sagemaker/safemode-home/.conda/envs/studiolab-safemode
base                     /opt/conda
sagemaker-distribution     /opt/conda/envs/sagemaker-distribution

Die aktivierte Umgebung ist mit * markiert.

Neue Conda-Umgebungen erstellen, aktivieren und verwenden

Wenn Sie mehrere Umgebungen für unterschiedliche Anwendungsfälle pflegen möchten, können Sie neue Conda-Umgebungen in Ihrem Projekt erstellen. In den folgenden Abschnitten sehen Sie, wie Sie neue Conda-Umgebungen erstellen und aktivieren können. Ein Jupyter Notebook, das zeigt, wie eine benutzerdefinierte Umgebung erstellt wird, finden Sie unter Benutzerdefinierte Umgebungen in SageMaker Studio Lab einrichten.

Conda-Umgebung erstellen

Führen Sie den folgenden Conda-Befehl von Ihrem Terminal aus, um eine Conda-Umgebung zu erstellen. In diesem Beispiel wird mit Python 3.9 eine neue Umgebung erstellt.

conda create --name <ENVIRONMENT_NAME> python=3.9

Sobald die Conda-Umgebung erstellt wurde, erscheint diese auf der Liste Ihrer Umgebung. Weitere Informationen dazu, wie Sie eine Liste Ihrer Umgebungen erstellen können, finden Sie unter Umgebungen anzeigen.

Conda-Umgebung aktivieren

Geben Sie den folgenden Befehl in das Terminal ein, um eine beliebige Conda-Umgebung zu aktivieren.

conda activate <ENVIRONMENT_NAME>

Wenn Sie diesen Befehl eingeben, werden alle mit Conda oder Pip installierten Pakete in der Umgebung installiert. Weitere Informationen dazu, wie Pakete installiert oder aktualisiert werden, finden Sie unter Passen Sie Ihre Umgebung an.

Verwendung einer Conda-Umgebung

Verwendung von Studio Lab-Beispielumgebungen

Studio Lab stellt über das Repository SageMaker Studio Lab-Beispiele benutzerdefinierte Beispielumgebungen bereit. Im Folgenden wird gezeigt, wie diese Umgebungen geklont und erstellt werden.

Passen Sie Ihre Umgebung an

Sie können Ihre Umgebung individuell anpassen, indem Sie Erweiterungen und Pakete nach Bedarf installieren und entfernen. Studio Lab enthält Umgebungen mit vorinstallierten Paketen. Wenn Sie eine vorhandene Umgebung verwenden, können Sie Zeit und Speicherplatz sparen, da der erforderliche Speicherplatz für vorinstallierte Pakete nicht von Ihrem verfügbaren Studio Lab-Arbeitsspeicher abgezogen wird. Weitere Informationen zu den angebotenen vorinstallierten Studio Lab-Umgebungen finden Sie unter Vorinstallierte Studio Lab-Umgebungen.

Alle installierten Erweiterungen und Pakete, die in Ihrer default-Umgebung installiert sind, bleiben in Ihrem Projekt bestehen. Das heißt, Sie müssen Ihre Pakete nicht für jede Projektlaufzeit-Sitzung installieren. In Ihrer sagemaker-distribution Umgebung installierte Erweiterungen und Pakete bleiben jedoch nicht erhalten. Daher müssen Sie während der nächsten Sitzung neue Pakete installieren. Es wird daher dringend empfohlen, in Ihrem Notebook Pakete zu installieren, damit diese in der vorgesehenen Umgebung installiert sind.

Führen Sie den Befehl conda env list aus, damit Ihre Umgebungen angezeigt werden.

Führen Sie den Befehl conda activate <ENVIRONMENT_NAME> aus, um Ihre Umgebung zu aktivieren.

Führen Sie den Befehl conda list aus, damit die Pakete in einer Umgebung angezeigt werden.

Pakete installieren

Es wird dringend empfohlen, Ihre Pakete in Ihrem Jupyter Notebook zu installieren, damit Ihre Pakete in der vorgesehenen Umgebung installiert sind. Um für Ihre Umgebung weitere Pakete von einem Jupyter Notebook aus zu installieren, geben Sie in eine Zelle Ihres Jupyter Notebooks einen der folgenden Befehle ein. Mit diesen Befehlen werden Pakete in der aktuell aktivierten Umgebung installiert.

Wir empfehlen nicht, die Befehle !pip oder !conda zu verwenden, da diese in mehreren verschiedenen Umgebungen ein unerwartetes Verhalten zeigen können.

Wenn Sie in Ihrer Umgebung neue Pakete installiert haben, müssen Sie ggf. den Kernel neu starten, damit die Pakete in Ihrem Notebook auch funktionieren. Wählen Sie dazu ganz oben im Menü Ihres Studio-Lab-Projekts Amazon SageMaker Studio Lab aus und wählen Sie dann JupyterLab neu starten ... aus.

Pakete entfernen

Führen Sie den Befehl aus, um ein Paket zu entfernen

%conda remove <PACKAGE_NAME>

Mit diesem Befehl werden außerdem alle Pakete entfernt, die von <PACKAGE_NAME> abhängen, es sei denn, es kann ein Ersatz gefunden werden, der diese Abhängigkeit nicht hat.

Geben Sie den folgenden Befehl ein, um alle Pakete aus einer Umgebung zu entfernen

conda deactivate
&& conda env remove --name
<ENVIRONMENT_NAME>

Studio Lab aktualisieren

Entfernen Sie alle Ihre Umgebungen und Dateien, um Studio Lab zu aktualisieren.