本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
步骤 1:创建 Amazon SageMaker 笔记本实例
亚马逊 SageMaker 笔记本实例是运行 Jupyter 笔记本应用程序的完全托管的机器学习 (ML) 亚马逊弹性计算云 (Amazon EC2) 计算实例。您可以使用笔记本实例创建和管理 Jupyter 笔记本来预处理数据,以及训练和部署机器学习模型。
创建 SageMaker 笔记本实例

通过 https://console.aws.amazon.com/sagemaker/
打开亚马逊 SageMaker 控制台。 -
选择 Notebook 实例,然后选择 “创建笔记本实例”。
-
在 Create notebook instance (创建笔记本实例) 页面上,提供以下信息(如果未提到某个字段,请保留默认值):
-
对于 Notebook instance name (笔记本实例名称),请键入您的笔记本实例的名称。
-
对于 Notebook instance type (笔记本实例类型),选择
ml.t2.medium
。这是笔记本实例支持的成本最低的实例类型,并且足以完成本练习。如果您的当前AWS区域没有ml.t2.medium
实例类型,请选择ml.t3.medium
。 对于平台标识符,选择要在其上创建笔记本实例的平台类型。此平台类型决定了创建笔记本实例时使用的操作系统和 JupyterLab 版本。有关平台标识符类型的信息,请参阅亚马逊 Linux 2 与亚马逊 Linux 笔记本实例。有关 JupyterLab 版本的信息,请参阅JupyterLab 版本控制。
-
对于 IAM 角色,选择创建新角色,然后选择创建角色。此 IAM 角色会自动获得访问名称
sagemaker
中包含的任何 S3 存储桶的权限。它通过 SageMaker 附加到角色的AmazonSageMakerFullAccess
策略获得这些权限。注意 如果您想授予 IAM 角色访问名称
sagemaker
中没有名称的 S3 存储桶的权限,则需要将S3FullAccess
策略附加到特定 S3 存储桶或将特定 S3 存储桶的权限限制给 IAM 角色。有关向 IAM 角色添加存储桶策略的更多信息和示例,请参阅存储桶策略示例。 -
选择创建笔记本实例。
几分钟后, SageMaker 启动 ML 计算实例(在本例中为笔记本实例),并向其附加 5 GB 的 Amazon EBS 存储卷。笔记本实例具有预先配置的 Jupyter 笔记本服务器、 SageMaker AWS SDK 库和一组 Anaconda 库。
有关创建 SageMaker 笔记本实例的更多信息,请参阅创建笔记本实例。
-
(可选)更改 SageMaker 笔记本实例设置
如果您想更改已创建的 SageMaker 笔记本实例的 ML 计算实例类型或 Amazon EBS 存储大小,则可以编辑笔记本实例设置。
更改和更新 SageMaker Notebook 实例类型和 EBS 卷
在 SageMaker 控制台的笔记本实例页面上,选择您的笔记本实例。
选择操作,选择停止,然后等到笔记本实例完全停止。
在笔记本实例状态更改为 “已停止” 后,选择 “操作”,然后选择 “更新设置”。
对于 Notebook 实例类型,选择不同的 ML 实例类型。
对于以 GB 为单位的卷大小,键入不同的整数以指定新的 EBS 卷大小。
注意 EBS 存储卷已加密,因此 SageMaker 无法确定该卷上的可用可用空间量。因此,您可以在更新笔记本实例时增加卷大小,但无法减小卷大小。如果要减小正在使用的 ML 存储卷的大小,请创建一个具有所需大小的新笔记本实例。
在页面底部选择更新笔记本实例。
更新完成后,使用新设置启动笔记本实例。
有关更新 SageMaker 笔记本实例设置的更多信息,请参阅更新笔记本实例。
(可选) SageMaker 笔记本实例的高级设置
以下教程视频显示了如何通过 SageMaker 控制台设置和使用带有高级选项(例如 SageMaker 生命周期配置和导入 GitHub 存储库)的 SageMaker 笔记本实例。(长度:26:04)
有关 SageMaker 笔记本实例的完整文档,请参阅使用亚马逊 SageMaker笔记本实例。