翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
JupyterLab ユーザーガイド
このガイドでは、 SageMaker Studio 内で分析ワークフローと機械学習ワークフローを実行する JupyterLab 方法について説明します。ニーズに応じて、高速ストレージを取得し、コンピューティングをスケールアップまたはスケールダウンできます。
JupyterLab はプライベートスペースと共有スペースの両方をサポートします。プライベートスペースは、ドメイン内の 1 人のユーザーにスコープされます。共有スペースを使用すると、ドメイン内の他のユーザーがリアルタイムでコラボレーションできます。Studio スペースの詳細については、「」を参照してくださいAmazon SageMaker Studio スペース。
の使用を開始するには JupyterLab、スペースを作成してアプリケーションを起動します JupyterLab。 JupyterLab アプリケーションを実行しているスペースは JupyterLab スペースです。この JupyterLab スペースでは、コンピューティングに 1 つの Amazon EC2インスタンスを使用し、ストレージに 1 つの Amazon EBSボリュームを使用します。コード、git プロファイル、環境変数など、スペース内のすべてのものが、同じ Amazon EBSボリュームに保存されます。ボリュームは 3000 IOPSで、スループットは 125 メガバイト/秒 () ですMBps。高速ストレージを使用して、同じインスタンスで複数の Jupyter ノートブックを開いて実行できます。ノートブック内のカーネルを非常に迅速に切り替えることもできます。
管理者がスペースのデフォルトの Amazon EBSストレージ設定を設定しました。デフォルトのストレージサイズは 5 GB ですが、取得する容量を増やすことができます。管理者に相談して、ガイドラインを提供できます。
の実行に使用する Amazon EC2インスタンスタイプを切り替え JupyterLab、必要に応じてコンピューティングをスケールアップまたはスケールダウンできます。Fast Launch インスタンスは、他のインスタンスよりもはるかに高速に起動します。
管理者は、環境をカスタマイズするライフサイクル設定を提供する場合があります。スペースの作成時にライフサイクル設定を指定できます。
管理者が Amazon へのアクセスを許可する場合はEFS、アクセスするスペースを設定できます JupyterLab。
デフォルトでは、 JupyterLab アプリケーションは SageMaker ディストリビューションイメージを使用します。これには、多くの機械学習、分析、深層学習パッケージのサポートが含まれます。ただし、カスタムイメージが必要な場合は、管理者がカスタムイメージへのアクセスを提供できます。
Amazon EBSボリュームは、インスタンスの存続期間とは独立して保持されます。インスタンスを変更しても、データは失われません。conda および pip パッケージ管理ライブラリを使用して、インスタンスタイプを切り替える場合でも存続する再現可能なカスタム環境を作成します。
を開くと JupyterLab、ターミナルを使用して環境を設定できます。ターミナルを開くには、Launcher に移動し、ターミナル を選択します。
以下は、 で環境を設定するさまざまな方法の例です JupyterLab。
注記
Studio では、ライフサイクル設定を使用して環境をカスタマイズできますが、代わりにパッケージマネージャーを使用することをお勧めします。ライフサイクル設定を使用することは、エラーが発生しやすい方法です。ライフサイクル設定スクリプトをデバッグするよりも、依存関係を追加または削除するのが簡単です。また、 JupyterLab 起動時間を増やすこともできます。
ライフサイクル設定の詳細については、「」を参照してくださいを使用したライフサイクル設定 JupyterLab。
トピック
