Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Les administrateurs et les utilisateurs peuvent créer et associer des configurations de cycle de vie (LCCs) afin d'automatiser la personnalisation des applications suivantes au sein de votre environnement Amazon SageMaker Studio :
-
Amazon SageMaker AI JupyterLab
-
Éditeur de code, basé sur Code-OSS, Visual Studio Code - Open Source
-
Studio classique
-
Instance de bloc-notes
La personnalisation de votre application inclut :
-
Installation de packages personnalisés
-
Configuration des extensions
-
Préchargement des ensembles de données
-
Configuration de référentiels de code source
Les utilisateurs créent et associent des configurations de cycle de vie intégrées à leurs propres profils utilisateur. Les administrateurs créent et attachent des configurations de cycle de vie par défaut ou intégrées au niveau du domaine, de l'espace ou du profil utilisateur.
Important
Amazon SageMaker Studio exécute d'abord la configuration du cycle de vie intégrée, puis exécute le LCC par défaut. Amazon SageMaker AI ne résoudra pas les conflits de packages entre l'utilisateur et l'administrateur LCCs. Par exemple, si le LCC intégré est installé python3.11 et que le LCC par défaut s'installe, Studio s'installe. python3.12 python3.12
