Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
JupyterLab guida per amministratori
Importante
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta Fornisci le autorizzazioni per etichettare SageMaker le risorse AI.
AWSpolitiche gestite per Amazon SageMaker AIche danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.
Questa guida per gli amministratori descrive JupyterLab le risorse di SageMaker intelligenza artificiale, come quelle di Amazon Elastic Block Store (Amazon EBS) e Amazon Elastic Compute Cloud (Amazon). EC2 Gli argomenti mostrano anche come fornire l’accesso agli utenti e modificare la dimensione dell’archiviazione.
Uno JupyterLab spazio SageMaker AI è composto dalle seguenti risorse:
-
Un volume Amazon EBS distinto che archivia tutti i dati, come il codice e le variabili di ambiente.
-
L' EC2 istanza Amazon utilizzata per eseguire lo spazio.
-
L'immagine utilizzata per l'esecuzione JupyterLab.
Nota
Le applicazioni non hanno accesso al volume EBS di altre applicazioni. Ad esempio, Code Editor, basato su Code-OSS, Visual Studio Code - Open Source non ha accesso al volume EBS per. JupyterLab Per ulteriori informazioni sui volumi EBS, consulta Amazon Elastic Block Store (Amazon EBS).
Puoi utilizzare l' SageMaker API Amazon per effettuare le seguenti operazioni:
-
Modificare la dimensione dell’archiviazione predefinita del volume EBS per i tuoi utenti.
-
Modificare la dimensione massima dell’archiviazione EBS.
-
Specificare le impostazioni utente per l’applicazione. Ad esempio, puoi specificare se l’utente sta utilizzando un’immagine personalizzata o un repository di codice.
-
Specificare il tipo di applicazione di supporto.
La dimensione predefinita del volume Amazon EBS è di 5 GB. Puoi aumentarla fino a un massimo di 16.384 GB. Se non apporti modifiche, gli utenti possono aumentare la dimensione del volume fino a 100 GB. La dimensione del volume può essere modificata solo una volta in un intervallo di sei ore.
I kernel associati all' JupyterLab applicazione vengono eseguiti sulla stessa EC2 istanza Amazon in esecuzione JupyterLab. Quando crei uno spazio, per impostazione predefinita viene utilizzata la versione più recente dell'immagine di SageMaker distribuzione. Per ulteriori informazioni sulle immagini SageMaker di distribuzione, vedereSageMaker Politica di supporto delle immagini di Studio.
Importante
Per informazioni sull'aggiornamento dello spazio per utilizzare la versione più recente di SageMaker AI Distribution Image, consultaAggiorna l'immagine SageMaker di distribuzione.
La directory di lavoro degli utenti all’interno del volume di archiviazione è /home/sagemaker-user. Se specifichi la tua AWS KMS chiave per crittografare il volume, tutto ciò che si trova nella directory di lavoro viene crittografato utilizzando la chiave gestita dal cliente. Se non si specifica alcuna AWS KMS chiave, i dati all'interno /home/sagemaker-user vengono crittografati con una chiave AWS gestita. Indipendentemente dal fatto che venga specificata una AWS KMS chiave, tutti i dati al di fuori della directory di lavoro vengono crittografati con una chiave AWS gestita.
Le sezioni seguenti forniscono istruzioni sulle configurazioni che devi eseguire in qualità di amministratore.
