（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

为本教程创建 Amazon SageMaker 笔记本实例

重要

允许 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 创建亚马逊 SageMaker资源的自定义IAM策略还必须授予向这些资源添加标签的权限。之所以需要为资源添加标签的权限，是因为 Studio 和 Studio Classic 会自动为创建的任何资源添加标签。如果IAM策略允许 Studio 和 Studio Classic 创建资源但不允许标记，则在尝试创建资源时可能会出现 AccessDenied “” 错误。有关更多信息，请参阅提供标记 A SageMaker I 资源的权限。

AWS 亚马逊 A SageMaker I 的托管策略授予创建 SageMaker 资源的权限已经包括在创建这些资源时添加标签的权限。

亚马逊 SageMaker 笔记本实例是一个完全托管的机器学习 (ML) 亚马逊弹性计算云 (AmazonEC2) 计算实例。Amazon SageMaker 笔记本实例运行 Jupyter 笔记本应用程序。使用笔记本实例创建和管理用于预处理数据、训练 ML 模型和部署 ML 模型的 Jupyter Notebook。

创建 SageMaker 笔记本实例

打开 Amazon A SageMaker I 控制台，网址为https://console.aws.amazon.com/sagemaker/。
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。此平台类型定义操作系统和创建笔记本实例时使用的 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，请参见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。此IAM角色会自动获得访问名称中包含的任何 S3 存储桶sagemaker的权限。它通过AmazonSageMakerFullAccess策略获得这些权限， SageMaker AI 会将其附加到该角色。
  
  注意
  如果要向IAM角色授予访问名称不带名称的 S3 存储桶sagemaker的权限，则需要附加S3FullAccess策略。您也可以将特定 S3 存储桶的权限限制为该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 AI 会启动一个笔记本实例，并向其连接一个 5 GB 的 Amazon EBS 存储卷。笔记本实例具有预配置的 Jupyter 笔记本服务器、 SageMaker AI 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

要更改 A SageMaker I 笔记本实例的 ML 计算实例类型或 Amazon EBS 存储的大小，请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 AI 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，请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 AI 无法确定卷上的可用空间量。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，启动具有新设置的笔记本实例。