Korraldage masinõppe arendust, kasutades reaalajas koostööks SageMaker Studio jagatud ruume

Amazon SageMaker Studio on esimene täielikult integreeritud arenduskeskkond (IDE) masinõppe (ML) jaoks. See pakub ühtset veebipõhist visuaalset liidest, kus saate teha kõiki ML-i arendamise etappe, sealhulgas andmete ettevalmistamist ning mudelite koostamist, koolitust ja juurutamist.

Jooksul Amazon SageMakeri domeen, saavad kasutajad luua isikliku Amazon SageMaker Studio IDE rakenduse, mis käivitab Amazoni uurimiseks tasuta sisseehitatud integratsiooniga JupyterServeri. SageMakeri katsed, orkestreerida Amazon SageMakeri torujuhtmed, ja palju muud. Kasutajad maksavad ainult sülearvuti tuumade paindliku arvutamise eest. Need isiklikud rakendused ühendavad automaatselt vastava kasutaja privaatsed rakendused Amazon elastne failisüsteem (Amazon EFS) kodukataloogi, et nad saaksid hoida koodi, andmeid ja muid faile teistest kasutajatest eraldatuna. Amazon SageMaker Studio toetab juba sülearvutite jagamist privaatsete rakenduste vahel, kuid asünkroonne mehhanism võib iteratsiooniprotsessi aeglustada.

Nüüd jagatud ruumid Amazon SageMaker Studios, saavad kasutajad korraldada ühiseid ML-i ettevõtmisi ja algatusi, luues jagatud IDE-rakenduse, mida kasutajad kasutavad oma Amazon SageMakeri kasutajaprofiiliga. Jagatud ruumis koostööd tegevad andmetöötajad saavad juurdepääsu Amazon SageMaker Studio keskkonnale, kus nad saavad oma märkmikke reaalajas juurde pääseda, neid lugeda, redigeerida ja jagada, mis annab neile kiireima tee kaaslastega uute ideede osas iteratsiooni alustamiseks. Andmetöötajad saavad isegi sama sülearvutiga samaaegselt koostööd teha, kasutades reaalajas koostöövõimalusi. Märkmik tähistab iga kaasredigeerivat kasutajat erineva kursoriga, mis näitab nende vastavat kasutajaprofiili nime.

SageMaker Studio jagatud ruumid märgistavad automaatselt ressursse, nagu koolitustööd, töötlemistööd, katsed, torujuhtmed ja mudeliregistri kirjed, mis on loodud tööruumi ulatuses nende vastavatega. sagemaker:space-arn. Ruum filtreerib need ressursid Amazon SageMaker Studio kasutajaliideses (UI), nii et kasutajatele esitatakse ainult SageMakeri katsed, torujuhtmed ja muud ressursid, mis on seotud nende ML-i püüdlustega.

Lahenduse ülevaade

Kuna jagatud ruumid märgistavad ressursse automaatselt, saavad administraatorid hõlpsasti jälgida ML-tegevusega seotud kulusid ja planeerida eelarveid, kasutades selliseid tööriistu nagu AWS-i eelarved ja AWS-i kuluuurija. Administraatorina peate lisama ainult a kulude jaotamise silt eest sagemaker:space-arn.

Kui see on lõpetatud, saate kasutada AWS Cost Explorerit, et teha kindlaks, kui palju üksikud ML-projektid teie organisatsioonile maksma lähevad.

Alustage jagatud ruumide kasutamist Amazon SageMaker Studios

Selles jaotises analüüsime tüüpilist töövoogu Amazon SageMaker Studio jagatud ruumide loomiseks ja kasutamiseks.

Looge Amazon SageMaker Studios jagatud ruum

Võite kasutada Amazon SageMakeri konsooli või AWS-i käsurea liides (AWS CLI), et lisada olemasolevale domeenile tühikute tugi. Kõige värskema teabe saamiseks kontrollige Looge jagatud ruum. Jagatud ruumid töötavad ainult JupyterLab 3 SageMaker Studio kujutisega ja SageMakeri domeenide puhul, mis kasutavad AWS-i identiteedi- ja juurdepääsuhalduse (AWS IAM) autentimist.

Konsooli loomine

Määratud Amazon SageMakeri domeenis ruumi loomiseks peate esmalt määrama määratud ruumi vaiketäitmisrolli. Alates Domeeni üksikasjad lehel, valige Domeeni sätted Sakk ja valige Edit. Seejärel saate määrata ruumi vaikekäitusrolli, mis tuleb täita ainult üks kord domeeni kohta, nagu on näidatud järgmisel diagrammil:

Järgmisena võite minna aadressile Kosmosehaldus oma domeenis vahekaarti ja valige Looma nuppu, nagu on näidatud järgmisel joonisel:

AWS CLI loomine

AWS-i CLI-st saate määrata ka domeeniruumi vaikekäitusrolli. Oma piirkonna JupyterLab3 kujutise ARN määramiseks kontrollige JupyterLabi vaikeversiooni määramine.

aws --region  
sagemaker update-domain 
--domain-id  
--default-space-settings "ExecutionRole="

Kui see on teie domeeni jaoks lõpetatud, saate luua CLI-st jagatud ruumi.

aws --region  
sagemaker create-space 
--domain-id  
--space-name  

Käivitage Amazon SageMaker Studios jagatud ruum

Kasutajad saavad avada jagatud ruumi, valides Algatama nuppu nende kasutajaprofiili kõrval AWS-i konsoolis nende Amazon SageMakeri domeeni jaoks.

Pärast valimist Spaces jaotises Koostöö, seejärel valige, milline ruum käivitada:

Teise võimalusena saavad kasutajad luua AWS-i CLI kaudu ruumi käivitamiseks eelallkirjastatud URL-i:

aws sagemaker create-presigned-domain-url 
--region  
--domain-id  
--space-name  
--user-profile-name  

Reaalajas koostöö

Kui Amazon SageMaker Studio jagatud ruumi IDE on laaditud, saavad kasutajad valida Koostöötajad vahekaarti vasakpoolsel paneelil, et näha, millised kasutajad teie ruumis aktiivselt töötavad ja millises sülearvutis. Kui sama märkmiku kallal töötab rohkem kui üks inimene, näete kursorit teise kasutaja profiilinimega, kus nad muudavad:

Järgmisel ekraanipildil näete sama märkmikku redigeerivate ja vaatavate kasutajate erinevaid kasutuskogemusi.

Järeldus

Selles postituses näitasime teile, kuidas SageMaker Studio jagatud ruumid lisavad Amazon SageMaker Studiole reaalajas koostöökogemuse IDE. Automaatne sildistamine aitab kasutajatel ulatuda ja filtreerida oma Amazon SageMakeri ressursse, mis hõlmavad katseid, torujuhtmeid ja mudeliregistrikirjeid, et maksimeerida kasutaja tootlikkust. Lisaks saavad administraatorid kasutada neid rakendatud silte, et jälgida antud ruumiga seotud kulusid ja määrata sobivad eelarved, kasutades AWS Cost Explorerit ja AWS eelarveid.

Kiirendage oma meeskonna koostööd juba täna, seadistades Amazon SageMaker Studios oma konkreetsete masinõppepüüdluste jaoks jagatud ruumid!

Autoritest

Sean Morgan on AWS-i AI/ML-lahenduste arhitekt. Tal on kogemusi pooljuhtide ja akadeemilise uurimistöö valdkonnas ning ta kasutab oma kogemusi, et aidata klientidel AWS-is oma eesmärke saavutada. Vabal ajal on Sean aktiivne avatud lähtekoodiga kaastööline/hooldaja ja on TensorFlow lisandmoodulite erihuvirühma juht.

Han Zhang on Amazon Web Servicesi vanemtarkvarainsener. Ta on osa Amazon SageMaker Notebooksi ja Amazon SageMaker Studio käivitusmeeskonnast ning on keskendunud klientidele turvaliste masinõppekeskkondade loomisele. Vabal ajal naudib ta Vaikse ookeani loodeosas matkamist ja suusatamist.

Arkaprava De on AWS-i vanemtarkvarainsener. Ta on olnud Amazonis üle 7 aasta ja töötab praegu Amazon SageMaker Studio IDE kogemuse täiustamise nimel. Leiad ta siit LinkedIn.

Kunal Jha on AWS-i vanem tootejuht. Ta on keskendunud Amazon SageMaker Studio loomisele kõigi ML-i arendusetappide jaoks valitud IDE-na. Vabal ajal naudib Kunal suusatamist ja Vaikse ookeani loodeosa avastamist. Leiad ta siit LinkedIn.