Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
SageMaker JupyterLab
Erstellen Sie einen JupyterLab Bereich in Amazon SageMaker Studio, um die JupyterLab Anwendung zu starten. Ein JupyterLab Bereich ist ein privater oder gemeinsam genutzter Bereich innerhalb von Studio, der die Speicher- und Rechenressourcen verwaltet, die für die Ausführung der JupyterLab Anwendung benötigt werden. Die JupyterLab Anwendung ist eine webbasierte interaktive Entwicklungsumgebung (IDE) für Notebooks, Code und Daten. Verwenden Sie die flexible und umfangreiche Oberfläche der JupyterLab Anwendung, um Workflows für maschinelles Lernen (ML) zu konfigurieren und zu organisieren.
Standardmäßig wird die JupyterLab Anwendung mit dem SageMaker Distribution-Image geliefert. Das Distributions-Image enthält beliebte Pakete wie die folgenden:
-
PyTorch
-
TensorFlow
-
Keras
-
NumPy
-
Pandas
-
Scikit-learn
Sie können gemeinsam genutzte Bereiche verwenden, um in Echtzeit mit anderen Benutzern an Ihren Jupyter-Notizbüchern zusammenzuarbeiten. Weitere Informationen zur Datenfreigabe finden Sie unter Arbeiten Sie in gemeinsam genutzten Bereichen zusammen.
Innerhalb der JupyterLab Anwendung können Sie Amazon Q Developer verwenden, einen generativen KI-gestützten Code-Begleiter, um Ihren Code zu generieren, zu debuggen und zu erklären. Informationen zur Verwendung von Amazon Q Developer finden Sie unterJupyterLab benutzerhandbuch. Informationen zur Einrichtung von Amazon Q Developer finden Sie unterJupyterLab Administratorhandbuch.
Erstellen Sie einheitliche Analyse- und ML-Workflows in demselben Jupyter-Notebook. Führen Sie interaktive Spark Jobs auf Amazon EMR und einer AWS Glue serverlosen Infrastruktur direkt von Ihrem Notebook aus aus. Mithilfe der Inline-Benutzeroberfläche können Sie Jobs schneller überwachen und debuggen. Spark In wenigen Schritten können Sie Ihre Datenvorbereitung automatisieren, indem Sie das Notizbuch als Job einplanen.
Die JupyterLab Anwendung hilft Ihnen bei der Zusammenarbeit mit Ihren Kollegen. Verwenden Sie die integrierte Git-Integration in der JupyterLab IDE, um Code zu teilen und zu versionieren. Bringen Sie Ihr eigenes Dateispeichersystem mit, wenn Sie ein Amazon EFS-Volume haben.
Die JupyterLab Anwendung läuft auf einer einzigen Amazon Elastic Compute Cloud (Amazon EC2) -Instance und verwendet ein einzelnes Amazon Elastic Block Store (Amazon EBS) -Volume als Speicher. Sie können schnellere Instances wechseln oder die Größe des Amazon EBS-Volumes Ihren Bedürfnissen entsprechend erhöhen.
Die JupyterLab 4-Anwendung wird in einem JupyterLab Bereich innerhalb von Studio ausgeführt. Studio Classic verwendet die JupyterLab 3-Anwendung. JupyterLab 4 bietet die folgenden Vorteile:
-
Eine schnellere IDE als Amazon SageMaker Studio Classic, insbesondere bei großen Notebooks
-
Verbesserte Dokumentensuche
-
Ein leistungsfähigerer und zugänglicherer Texteditor
Weitere Informationen zu JupyterLab finden Sie in der JupyterLabDokumentation
