（可选）更改 SageMaker 笔记本实例设置（可选）SageMaker 笔记本实例的高级设置

步骤 1：创建 Amazon SageMaker 笔记本实例

Amazon SageMaker 笔记本实例是一个完全托管的机器学习 (ML) Amazon Elastic Compute Cloud (Amazon EC2) 计算实例，该实例运行 Jupyter 笔记本应用程序。您可以使用该笔记本实例来创建和管理用于预处理数据的 Jupyter 笔记本，并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 Amazon SageMaker 控制台。
选择笔记本实例，然后选择创建笔记本实例。
在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）：
1. 对于笔记本实例名称，请键入您的笔记本实例的名称。
2. 对于笔记本实例类型，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。如果当前 AWS 区域中没有可用的 ml.t2.medium 实例类型，请选择 ml.t3.medium。
3. 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。该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 Amazon Linux 2 笔记本实例。有关 JupyterLab 版本的信息，请参阅 JupyterLab 版本控制。
4. 对于 IAM 角色，选择创建新角色，然后选择创建角色。该 IAM 角色自动获取在名称中包含 sagemaker 的任何 S3 存储桶的访问权限。该角色通过 AmazonSageMakerFullAccess 策略获取这些权限（SageMaker 将该策略附加到该角色）。
  
  注意
  如果您想向 IAM 角色授予访问名称中不含 sagemaker 的 S3 存储桶的权限，则需要向 IAM 角色附加 S3FullAccess 策略或将对特定 S3 存储桶的权限限定到 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。
5. 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。笔记本实例有一个预配置的 Jupyter 笔记本服务器、SageMaker 和 AWS SDK 库以及一组 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

如果要更改已创建的 SageMaker 笔记本实例的 ML 计算实例类型或 Amazon EBS 存储空间大小，可以编辑笔记本实例设置。

更改和更新 SageMaker 笔记本实例类型和 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，然后等待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。
1. 对于笔记本实例类型，选择其他 ML 实例类型。
2. 对于以 GB 为单位的卷大小，键入不同的整数来指定新的 EBS 卷大小。
  
  注意
  EBS 存储卷是加密的，因此 SageMaker 无法确定卷上可用的空闲空间量。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，启动具有新设置的笔记本实例。