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.
Importante
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l'utilizzo dell'applicazione Studio Classic. Per informazioni sull'utilizzo dell'esperienza Studio aggiornata, consultaAmazon SageMaker Studio.
Esistono quattro opzioni per personalizzare il tuo ambiente Amazon SageMaker Studio Classic. Puoi portare la tua immagine SageMaker AI, utilizzare uno script di configurazione del ciclo di vita, allegare repository Git suggeriti a Studio Classic o creare kernel utilizzando ambienti Conda persistenti in Amazon EFS. Puoi scegliere se usare una sola opzione o usarle insieme.
-
Porta la tua immagine SageMaker AI: un'immagine SageMaker AI è un file che identifica i kernel, i pacchetti linguistici e altre dipendenze necessarie per eseguire un notebook Jupyter in Amazon Studio Classic. SageMaker Amazon SageMaker AI fornisce molte immagini integrate da utilizzare. Se hai bisogno di funzionalità diverse, puoi portare le tue immagini personalizzate in Studio Classic.
-
Usa le configurazioni del ciclo di vita con Amazon SageMaker Studio Classic: le configurazioni del ciclo di vita sono script di shell attivati da eventi del ciclo di vita di Amazon SageMaker Studio Classic, come l'avvio di un nuovo notebook Studio Classic. Puoi utilizzare le configurazioni del ciclo di vita per automatizzare la personalizzazione del tuo ambiente Studio Classic. Ad esempio, puoi installare pacchetti personalizzati, configurare estensioni per notebook, precaricare set di dati e configurare repository di codice sorgente.
-
Allega repository Git suggeriti a Studio Classic: puoi allegare il repository Git consigliato URLs a livello di dominio Amazon SageMaker AI o profilo utente. Quindi, puoi selezionare l'URL del repository dall'elenco di suggerimenti e clonarlo nel tuo ambiente utilizzando l'estensione Git in Studio Classic.
-
Persistenza degli ambienti Conda sul volume Amazon EFS Studio Classic: Studio Classic utilizza un volume Amazon EFS come livello di storage persistente. Puoi salvare il tuo ambiente Conda su questo volume Amazon EFS, quindi utilizzare l'ambiente salvato per creare kernel. Studio Classic preleva automaticamente tutti gli ambienti validi salvati in Amazon EFS come KernelGateway kernel. Questi kernel persistono fino al riavvio del kernel, dell'app e di Studio Classic. Per ulteriori informazioni, consulta la sezione Persistenza degli ambienti Conda nel volume Studio Classic EFS in Quattro approcci per gestire i pacchetti Python nei notebook Amazon SageMaker
Studio Classic.
I seguenti argomenti mostrano come utilizzare queste tre opzioni per personalizzare l'ambiente Amazon SageMaker Studio Classic.
Argomenti
