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.
SageMaker JupyterLab
Crea uno JupyterLab spazio all'interno di Amazon SageMaker Studio per avviare l' JupyterLabapplicazione. Uno JupyterLab spazio è uno spazio privato o condiviso all'interno di Studio che gestisce le risorse di archiviazione e di calcolo necessarie per eseguire l' JupyterLab applicazione. L' JupyterLab applicazione è un ambiente di sviluppo interattivo (IDE) basato sul Web per notebook, codice e dati. Utilizza l'interfaccia flessibile ed estesa dell' JupyterLab applicazione per configurare e organizzare i flussi di lavoro di machine learning (ML).
Per impostazione predefinita, l' JupyterLab applicazione viene fornita con l'immagine SageMaker Distribution. L'immagine di distribuzione contiene pacchetti popolari, come i seguenti:
-
PyTorch
-
TensorFlow
-
Keras
-
NumPy
-
Pandas
-
Scikit-learn
Puoi utilizzare gli spazi condivisi per collaborare sui tuoi notebook Jupyter con altri utenti in tempo reale. Per ulteriori informazioni sugli spazi condivisi, consulta Collaborazione con spazi condivisi.
All'interno dell' JupyterLab applicazione, puoi utilizzare Amazon CodeWhisperer, un complemento di codice generativo basato sull'intelligenza artificiale per generare, eseguire il debug e spiegare il tuo codice.
Crea flussi di lavoro di analisi e machine learning unificati nello stesso notebook Jupyter. Esegui Spark lavori interattivi su Amazon EMR e sull'infrastruttura AWS Glue serverless, direttamente dal tuo notebook. Monitora ed esegui il debug dei lavori più velocemente utilizzando l'interfaccia utente in linea. Spark In pochi passaggi, puoi automatizzare la preparazione dei dati pianificando il notebook come lavoro.
L' JupyterLab applicazione ti aiuta a lavorare in modo collaborativo con i tuoi colleghi. Usa l'integrazione Git integrata nell' JupyterLab IDE per condividere e modificare il codice. Porta il tuo sistema di storage di file se disponi di un volume Amazon EFS.
L' JupyterLab applicazione viene eseguita su una singola istanza Amazon Elastic Compute Cloud (Amazon EC2) e utilizza un singolo volume Amazon Elastic Block Store (Amazon EBS) per lo storage. Puoi cambiare istanza più velocemente o aumentare la dimensione del volume Amazon EBS in base alle tue esigenze.
L'applicazione JupyterLab 4 viene eseguita in uno JupyterLab spazio all'interno di Studio. Studio Classic utilizza l'applicazione JupyterLab 3. JupyterLab 4 offre i seguenti vantaggi:
-
Un IDE più veloce di Amazon SageMaker Studio Classic, in particolare con notebook di grandi dimensioni
-
Ricerca di documenti migliorata
-
Un editor di testo più performante e accessibile
Per ulteriori informazioni su JupyterLab, vedere JupyterLabDocumentazione
