기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Studio Classic 사용자 지정
중요
2023년 11월 30일부로 이전 Amazon SageMaker Studio 경험의 이름이 Amazon SageMaker Studio Classic으로 변경되었습니다. 다음 섹션은 Studio Classic 애플리케이션 사용에 관해 다룹니다. 업데이트된 Studio 경험 사용에 대한 자세한 내용은 Amazon SageMaker Studio 섹션을 참조하세요.
Amazon SageMaker Studio Classic 환경을 사용자 지정하는 데는 네 가지 옵션이 있습니다. 자체 SageMaker AI 이미지를 가져오거나, 수명 주기 구성 스크립트를 사용하거나, Studio Classic에 제안된 Git 리포지토리를 연결하거나, Amazon EFS에서 영구 Conda 환경을 사용하여 커널을 생성합니다. 각 옵션을 개별적으로 사용하거나 함께 사용하세요.
-
자체 SageMaker AI 이미지 가져오기: SageMaker AI 이미지는 Amazon SageMaker Studio Classic에서 Jupyter 노트북을 실행하는 데 필요한 커널, 언어 패키지 및 기타 종속성을 식별하는 파일입니다. Amazon SageMaker AI는 사용할 수 있는 많은 기본 제공 이미지를 제공합니다. 다른 기능이 필요한 경우 사용자 지정 이미지를 Studio Classic으로 가져올 수 있습니다.
-
Amazon SageMaker Studio Classic에서 수명 주기 구성 사용: 수명 주기 구성은 새 Studio Classic 노트북 시작과 같은 Amazon SageMaker Studio Classic 수명 주기 이벤트에 의해 트리거되는 쉘 스크립트입니다. 수명 주기 구성을 사용하여 Studio Classic 환경의 사용자 지정을 자동화할 수 있습니다. 예를 들어 사용자 지정 패키지를 설치하고, 노트북 확장을 구성하고, 데이터세트를 미리 로드하고, 소스 코드 리포지토리를 설정할 수 있습니다.
-
Studio Classic에 제안된 Git 리포지토리 연결: Amazon SageMaker AI 도메인 또는 사용자 프로필 수준에서 제안된 Git 리포지토리 URLs을 연결할 수 있습니다. 그런 다음 제안 목록에서 리포지토리 URL을 선택하고 Studio Classic의 Git 확장을 사용하여 환경에 복제할 수 있습니다.
-
Conda 환경을 Studio Classic Amazon EFS 볼륨에 유지: Studio Classic은 Amazon EFS 볼륨을 영구 스토리지 계층으로 사용합니다. 이 Amazon EFS 볼륨에 Conda 환경을 저장한 다음 저장된 환경을 사용하여 커널을 생성할 수 있습니다. Studio Classic은 Amazon EFS에 저장된 모든 유효한 환경을 KernelGateway 커널로 자동으로 선택합니다. 이러한 커널은 커널, 앱 및 Studio Classic을 다시 시작해도 유지됩니다. 자세한 내용은 Four approaches to manage Python packages in Amazon SageMaker Studio Classic notebooks
에서 Persist Conda environments to the Studio Classic EFS volume 섹션을 참조하세요.
다음 주제에서는 이러한 세 가지 옵션을 사용하여 Amazon SageMaker Studio Classic 환경을 사용자 지정하는 방법을 보여줍니다.
