Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik a fejlesztők termelékenységének növelése érdekében

Időbélyeg: 6. június 2022. 6:40

Amazon SageMaker két lehetőséget kínál a teljesen felügyelt notebookok felpörgetésére az adatok felfedezéséhez és a gépi tanulási (ML) modellek építéséhez. Az első lehetőség a gyors indítás, az együttműködésen alapuló jegyzetfüzetek, amelyek belül elérhetők Amazon SageMaker Studio – teljesen integrált fejlesztői környezet (IDE) a gépi tanuláshoz. Gyorsan elindíthatja a jegyzetfüzeteket a Stúdióban, könnyedén fel- vagy lefelé tárcsázhatja a mögöttes számítási erőforrásokat anélkül, hogy megszakítaná a munkáját, és néhány egyszerű kattintással meg is oszthatja jegyzetfüzetét hivatkozásként. A jegyzetfüzetek létrehozása mellett a Studio egyetlen üvegtábláján végrehajthatja az összes ML fejlesztési lépést a modellek felépítéséhez, betanításához, hibakereséséhez, nyomon követéséhez, üzembe helyezéséhez és figyeléséhez. A második lehetőség az Amazon SageMaker notebook példány – egyetlen, teljesen felügyelt ML számítási példány, amely a notebookokat felhőben futtatja, így az ügyfelek nagyobb irányítást biztosítanak noteszgép-konfigurációik felett.

Ma örömmel jelentjük be, hogy a SageMaker Studio és a SageMaker Notebook Instance mostantól a JupyterLab 3 notebookokkal érkezik. Az új notebookok modern IDE-t biztosítanak az adattudósok és a fejlesztők számára, kiegészítve a fejlesztők hatékonyságát növelő eszközökkel a kódkészítéshez, újrafeldolgozáshoz és hibakereséshez, valamint a legújabb nyílt forráskódú Jupyter-bővítmények támogatásához. Az AWS a Jupyter nyílt forráskódú közösség egyik fő közreműködője és örömmel mutatjuk be ügyfeleinknek a Jupyter legújabb képességeit.

Ebben a bejegyzésben bemutatunk néhány izgalmasat a SageMaker notebookokba épített új funkciók és felhívja a figyelmet néhány kedvenc nyílt forráskódú bővítményünkre, amelyek javítják a fejlesztői élményt a SageMaker használatával az ML modellek felépítéséhez, betanításához és üzembe helyezéséhez.

A SageMaker notebookjainak újdonságai

Az új notebookok számos olyan funkciót tartalmaznak, amelyek javítják a SageMaker fejlesztői élményét, többek között a következőket:

  • Integrált hibakereső töréspontok és változó ellenőrzés támogatásával
  • Tartalomjegyzék panel a jegyzetfüzetek egyszerűbb navigálásához
  • Szűrősáv a fájlböngészőhöz
  • Több megjelenítési nyelv támogatása
  • Lehetőség a bővítmények telepítésére a pip, a Conda és a Mamba segítségével

Aktivitáskövető integrált hibakereső, megtekintheti a változókat és átléphet a töréspontokon, miközben interaktívan építi fel adattudományát és ML-kódját. A hibakereső eléréséhez egyszerűen válassza ki a hibakereső ikont a notebook eszköztárán.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Jelen pillanatban a hibakereső elérhető az újonnan elindítottunk számára Base Python 2.0 és a Data Science 2.0 képek a SageMaker Stúdióban és amazonei_pytorch_latest_p37, pytorch_p38és tensorflow2_p38 kernelek a SageMaker Notebook Instance-ban, és a tervek szerint a közeljövőben több támogatást is fognak nyújtani.

A tartalomjegyzék panel kiváló segédprogramot kínál a jegyzetfüzetek közötti navigáláshoz és az eredmények egyszerűbb megosztásához a kollégákkal.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

JupyterLab bővítmények

A SageMaker frissített notebookjaival kihasználhatja a nyílt forráskódú JupyterLab bővítmények egyre növekvő közösségét. Ebben a részben kiemelünk néhányat, amelyek természetesen illeszkednek a SageMaker fejlesztői munkafolyamatba, de javasoljuk, hogy tallózzon az elérhető bővítmények között vagy Készítsd el a saját.

Az első kiterjesztés, amelyet kiemelünk, a Language Server Protocol kiterjesztése. Ez a nyílt forráskódú bővítmény olyan modern IDE-funkciókat tesz lehetővé, mint a tabulátorok kiegészítése, szintaktikai kiemelés, hivatkozásra ugrás, változók átnevezése notebookok és modulok között, diagnosztika és még sok más. Ez a kiterjesztés nagyon hasznos azoknak a fejlesztőknek, akik Python modulokat és notebookokat szeretnének készíteni.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

A SageMaker fejlesztői munkafolyamat másik hasznos kiterjesztése a jupyterlab-s3-böngésző. Ez a bővítmény felveszi a SageMaker végrehajtási szerepkör hitelesítő adatait, és lehetővé teszi a fájlok böngészését, betöltését és írását közvetlenül a Amazon egyszerű tárolási szolgáltatás (Amazon S3).

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Telepítsen bővítményeket

A JupyterLab 3 most a a bővítmények csomagolásának és telepítésének folyamata lényegesen könnyebb. A fent említett kiterjesztéseket bash szkripteken keresztül telepítheti. Például a SageMaker Studio programban nyissa meg a rendszerterminált a Studio indítóból és futtassa a következő parancsokat. Vegye figyelembe, hogy a frissített Studio különálló, elszigetelt Conda környezettel rendelkezik a Jupyter Server futási környezetének kezelésére, ezért bővítményeket kell telepítenie a studio Conda környezet. Ha bővítményeket szeretne telepíteni a SageMaker Notebook Instance-ba, nem kell Conda-környezetet váltani.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Ezenkívül automatizálhatja ezeknek a bővítményeknek a telepítését a használatával életciklus konfigurációk így megmaradnak a Studio újraindításai között. Ezt beállíthatja a tartomány összes felhasználójára vagy egyéni felhasználói szinten.

Python Language Server esetén használja a következő kódot a bővítmények telepítéséhez:

conda init
conda activate studio
pip install jupyterlab-lsp
pip install 'python-lsp-server[all]'
conda deactivate
nohup supervisorctl -c /etc/supervisor/conf.d/supervisord.conf restart jupyterlabserver

Amazon S3 fájlböngésző esetén használja a következőket:

conda init
conda activate studio
pip install jupyterlab_s3_browser
jupyter serverextension enable --py jupyterlab_s3_browser
conda deactivate
nohup supervisorctl -c /etc/supervisor/conf.d/supervisord.conf restart jupyterlabserver

A telepítés után feltétlenül frissítse a böngészőt.

További információért a SageMaker Notebook Instance hasonló életciklus-szkriptjeinek írásáról lásd: Jegyzetfüzet-példány testreszabása életciklus-konfigurációs parancsfájl használatával és a Testreszabhatja Amazon SageMaker notebook példányait életciklus-konfigurációkkal és az internet-hozzáférés letiltásának lehetőségével. Ezen túlmenően a bővítménykezeléssel kapcsolatos további információkért, beleértve a JupyterLab notebookok 1. és 3. verziójához is működő életciklus-konfigurációk megírását a visszafelé kompatibilitás érdekében, lásd: A JupyterLab és a Jupyter Server bővítmények telepítése.

Kezdje el a JupyterLab 3 jegyzetfüzeteket a Studio alkalmazásban

Ha új Studio-tartományt hoz létre, megadhatja a jegyzetfüzet alapértelmezett verzióját közvetlenül a AWS felügyeleti konzol vagy az API használatával.

A SageMaker Vezérlőpultján módosítsa a notebook verzióját a tartománybeállítások szerkesztésekor a Jupyter Lab verzió szakasz.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Az API használatához konfigurálja a JupyterServerAppSettings paramétert a következőképpen:

aws --region <REGION> sagemaker create-domain --domain-name <NEW_DOMAIN_NAME> --auth-mode <AUTHENTICATION_MODE> --subnet-ids <SUBNET-IDS> --vpc-id <VPC-ID> --default-user-settings ‘{ “JupyterServerAppSettings”: { “DefaultResourceSpec”: { “SageMakerImageArn”: “arn:aws:sagemaker:<REGION>:<ACCOUNT_ID>:image/jupyter-server-3", “InstanceType”: “system” } }
}

Ha Ön már meglévő Studio-felhasználó, módosíthatja a notebook verzióját úgy, hogy kiválasztja felhasználói profilját a SageMaker vezérlőpultján, majd szerkesztése.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Ezután válassza ki a kívánt verziót a Jupyter Lab verzió szakasz.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

További információkért lásd: JupyterLab verziószámítás.

Kezdje el a JupyterLab 3 használatát a SageMaker notebook példányon

A SageMaker notebook példány felhasználói megadhatják a notebook alapértelmezett verzióját a konzolról és az API-nk használatával is. Ha a konzolt használja, vegye figyelembe, hogy a Jupyter Lab 3 notebookok kiválasztásának lehetősége csak a következőnél érhető el a SageMaker Notebook Instance legújabb generációja, amely az Amazon Linux 2-vel érkezik.

A SageMaker konzolon válassza ki a verziót a jegyzetfüzet-példány létrehozásakor, az alatt Platform azonosító.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

Ha API-t használ, használja a következő kódot:

create-notebook-instance --notebook-instance-name <NEW_NOTEBOOK_NAME> --instance-type <INSTANCE_TYPE> --role-arn <YOUR_ROLE_ARN> --platform-identifier <notebook-al2-v2>

További információkért lásd: Jegyzetfüzet létrehozása a JupyterLab verziójával.

Következtetés

A SageMaker Studio és a SageMaker Notebook Instance mostantól továbbfejlesztett notebook-élményt kínál a felhasználóknak. Javasoljuk, hogy próbálja ki az új képességeket, és növelje tovább a fejlesztői termelékenységet ezekkel a fejlesztésekkel!

A szerzőkről

Sean MorganSean Morgan az AWS AI/ML megoldások építésze. Tapasztalattal rendelkezik a félvezetők és az akadémiai kutatás területén, és tapasztalatait arra használja fel, hogy segítse ügyfeleit céljaik elérésében az AWS-ben. Szabadidejében Sean aktív nyílt forráskódú közreműködő/karbantartó, és a TensorFlow-kiegészítők speciális érdeklődési csoportjának vezetője.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.Arkaprava De az AWS vezető szoftvermérnöke. Több mint 7 éve dolgozik az Amazonnál, és jelenleg az Amazon SageMaker Studio IDE tapasztalatának javításán dolgozik.

Az Amazon SageMaker Studio és a SageMaker Notebook Instance mostantól JupyterLab 3 noteszgépekkel érkezik, hogy növeljék a fejlesztők termelékenységét a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.Kunal Jha az AWS vezető termékmenedzsere. Arra összpontosít, hogy az Amazon SageMaker Studio-t az ML fejlesztési lépéseihez választott IDE-ként építse fel. Szabadidejében Kunal szeret síelni és felfedezni a Csendes-óceán északnyugati részét. Megtalálhatod rajta LinkedIn.

Időbélyeg:

Még több AWS gépi tanulás