Environnements préinstallés de Studio Lab

Amazon SageMaker Studio Lab utilise des environnements conda pour contenir vos packages (ou bibliothèques). Un environnement est un dossier qui contient les packages que vous avez installés. Vous pouvez interagir avec un environnement à l'aide du terminal ou de votre JupyterLab bloc-notes. Pour utiliser un environnement et les packages qui y sont installés, vous devez choisir le noyau correspondant portant le même nom que l'environnement lorsque vous ouvrez votre JupyterLab bloc-notes. Pour une présentation détaillée de la gestion de vos environnements, consultez Gérer votre environnement. Pour plus d'informations sur l'installation de packages dans votre environnement, consultez Personnaliser votre environnement.

Studio Lab propose différents environnements préinstallés pour vous. Toutes les modifications apportées aux environnements de mémoire persistante seront conservées pour votre prochaine session. Toute modification apportée aux environnements de mémoire non persistante ne sera pas conservée pour vos prochaines sessions, mais les packages qu'ils contiennent seront mis à jour et leur compatibilité testée par Amazon. SageMaker Vous souhaiterez généralement utiliser l'environnement de mémoire non persistante sagemaker-distribution si vous souhaitez utiliser un environnement entièrement géré qui contient déjà de nombreux packages populaires utilisés par les ingénieurs en machine learning (ML) et les scientifiques des données. Sinon, vous pouvez utiliser l'environnement default si vous souhaitez le personnaliser de manière significative.

Dans ce qui suit, nous listons les environnements préinstallés et leurs cas d'utilisation. Pour afficher les packages installés dans un environnement, consultez Personnaliser votre environnement.

• sagemaker-distribution: environnement de mémoire non persistant régulièrement mis à jour et testé pour en vérifier la compatibilité, entièrement géré par Amazon SageMaker. Cet environnement contient des packages populaires utilisés dans le machine learning, la science des données et la visualisation. L'sagemaker-distributionenvironnement est étroitement lié à celui utilisé dans Amazon SageMaker Studio Classic. Ainsi, une fois passés de Studio Lab à Studio Classic, les blocs-notes devraient fonctionner de la même manière. Pour plus d'informations sur l'exportation de votre environnement de Studio Lab vers Studio Classic, consultezExporter un environnement Amazon SageMaker Studio Lab vers Amazon SageMaker Studio Classic.

• default : environnement de mémoire persistante avec très peu de packages préinstallés. Tous les packages installés ou les modifications apportées à cet environnement se poursuivront lors de votre prochaine session.

• studiolab: environnement de mémoire persistante dans lequel JupyterLab et d'autres packages connexes sont installés. Cet environnement ne doit être utilisé que pour JupyterLab les extensions de serveur Jupyter, pour configurer l'interface JupyterLab utilisateur.

• studiolab-safemode : environnement de mémoire non persistante. Cet environnement est automatiquement activé en cas de problème lors du démarrage de l'exécution de votre projet. Il est utilisé pour le dépannage. Pour en savoir plus sur le dépannage, consultez Résolution des problèmes.

• base : environnement de mémoire non persistante. Cet environnement est uniquement utilisé pour l'outillage du système et ne doit pas être utilisé par les clients.

Pour plus d'informations sur les SageMaker images et leurs versions, voir SageMaker Images Amazon disponibles pour utilisation avec Studio Classic.