Guida per l’utente di JupyterLab
Questa guida mostra agli utenti di JupyterLab come eseguire flussi di lavoro di analisi e machine learning all’interno di SageMaker Studio. Puoi accelerare l’archiviazione e scalare le capacità di calcolo a seconda delle tue esigenze.
JupyterLab supporta sia gli spazi privati che quelli condivisi. Gli spazi privati sono limitati a un singolo utente in un dominio. Gli spazi condivisi consentono agli altri utenti del dominio di collaborare con te in tempo reale. Per informazioni sull’utilizzo degli spazi di Studio, consulta Spazi Amazon SageMaker Studio.
Per iniziare a utilizzare JupyterLab, crea uno spazio e avvia l’applicazione JupyterLab. Lo spazio su cui è in esecuzione l’applicazione JupyterLab è uno spazio JupyterLab. Lo spazio JupyterLab utilizza una singola istanza Amazon EC2 per il calcolo e un singolo volume Amazon EBS per l’archiviazione. Tutti gli elementi presenti nel tuo spazio, ad esempio il codice, il profilo Git e le variabili di ambiente, vengono archiviati nello stesso volume Amazon EBS. Il volume ha 3000 IOPS e un throughput di 125 megabyte al secondo (MBps). Puoi utilizzare l’archiviazione rapida per aprire ed eseguire più notebook Jupyter sulla stessa istanza. Puoi anche passare molto rapidamente tra i vari kernel di un notebook.
L’amministratore configura le impostazioni predefinite di archiviazione Amazon EBS per il tuo spazio. La dimensione dell’archiviazione predefinita è di 5 GB, ma puoi aumentare la quantità di spazio disponibile. Puoi chiedere al tuo amministratore di fornirti delle linee guida.
Puoi cambiare il tipo di istanza Amazon EC2 che stai utilizzando per eseguire JupyterLab, aumentando o diminuendo verticalmente le capacità di calcolo a seconda delle tue esigenze. Le istanze con la funzionalità di avvio rapido si avviano più velocemente delle altre istanze.
L’amministratore potrebbe fornirti una configurazione del ciclo di vita per personalizzare il tuo ambiente. Puoi specificare la configurazione del ciclo di vita quando crei lo spazio.
Se l’amministratore ti concede le autorizzazioni per un Amazon EFS, puoi configurare il tuo spazio JupyterLab per l’accesso.
Per impostazione predefinita, l’applicazione JupyterLab utilizza l’immagine di SageMaker Distribution. Ciò include il supporto per molti pacchetti di machine learning, analisi e deep learning. Tuttavia, se hai bisogno di un’immagine personalizzata, l’amministratore può aiutarti concedendoti l’accesso alle immagini personalizzate.
Il volume Amazon EBS persiste indipendentemente dalla durata di un’istanza. Non perderai i tuoi dati quando cambi istanza. Utilizza le librerie di gestione dei pacchetti conda e pip per creare ambienti personalizzati riproducibili che persistono anche quando cambi tipo di istanza.
Dopo aver aperto JupyterLab, puoi configurare il tuo ambiente utilizzando il terminale. Per aprire il terminale, vai all’utilità di avvio e scegli Terminale.
Di seguito sono riportati alcuni esempi delle diverse configurazioni di un ambiente in JupyterLab.
Nota
All’interno di Studio, puoi utilizzare le configurazioni del ciclo di vita per personalizzare l’ambiente, anche se ti consigliamo di utilizzare un gestore dei pacchetti. L’utilizzo delle configurazioni del ciclo di vita è un metodo più soggetto a errori. È più facile aggiungere o rimuovere le dipendenze piuttosto che eseguire il debug di uno script di configurazione del ciclo di vita. Questo metodo può anche aumentare il tempo di avvio di JupyterLab.
Per informazioni sulle configurazioni del ciclo di vita, consulta Configurazioni del ciclo di vita con JupyterLab.
Argomenti
