Studio Amazon SageMaker oferuje szeroki zestaw w pełni zarządzanych zintegrowanych środowisk programistycznych (IDE) do programowania maszynowego (ML), w tym JupyterLab, Code Editor oparty na Code-OSS (Visual Studio Code Open Source) i RStudio. Zapewnia dostęp do najbardziej wszechstronnego zestawu narzędzi na każdym etapie rozwoju uczenia maszynowego, od przygotowania danych po budowanie, szkolenie, wdrażanie i zarządzanie modelami uczenia maszynowego. Możesz w ciągu kilku sekund uruchomić w pełni zarządzany JuptyerLab ze wstępnie skonfigurowaną dystrybucją SageMaker, aby pracować z notatnikami, kodem i danymi. Elastyczny i rozszerzalny interfejs SageMaker Studio pozwala bez wysiłku konfigurować i organizować przepływy pracy w uczeniu maszynowym, a dodatkowo możesz używać wbudowanego narzędzia do kodowania opartego na sztucznej inteligencji, aby szybko tworzyć, debugować, wyjaśniać i testować kod.
W tym poście przyjrzymy się bliżej zaktualizowanemu SageMaker Studio i jego JupyterLab IDE, zaprojektowanemu w celu zwiększenia produktywności programistów ML. Przedstawiamy koncepcję Spaces i wyjaśniamy, w jaki sposób JupyterLab Spaces umożliwia elastyczne dostosowywanie zasobów obliczeniowych, pamięci masowej i środowiska wykonawczego w celu poprawy wydajności przepływu pracy ML. Omawiamy również nasze przejście na zlokalizowany model wykonywania w JupyterLab, co skutkuje szybszym, stabilniejszym i responsywnym kodowaniem. Dodatkowo zajmujemy się bezproblemową integracją generatywnych narzędzi AI, takich jak Zaklinacz kodów Amazon i Jupyter AI w SageMaker Studio JupyterLab Spaces, ilustrując, w jaki sposób umożliwiają programistom korzystanie ze sztucznej inteligencji do wspomagania kodowania i innowacyjnego rozwiązywania problemów.
Przedstawiamy Spaces w SageMaker Studio
Nowa Interfejs internetowy SageMaker Studio działa jako centrum dowodzenia umożliwiające uruchomienie preferowanego IDE i uzyskanie dostępu do pliku Amazon Sage Maker narzędzia do budowania, uczenia, dostrajania i wdrażania modeli. Oprócz JupyterLab i RStudio, SageMaker Studio zawiera teraz w pełni zarządzany edytor kodu oparty na Code-OSS (Visual Studio Code Open Source). Zarówno JupyterLab, jak i Code Editor można uruchomić za pomocą elastycznego obszaru roboczego zwanego Spaces.
Przestrzeń to reprezentacja konfiguracji środowiska IDE SageMaker, takiego jak JupyterLab lub Code Editor, zaprojektowana tak, aby trwała niezależnie od tego, czy aplikacja (IDE) powiązana z przestrzenią jest aktywnie uruchomiona, czy nie. Spacja reprezentuje kombinację instancji obliczeniowej, magazynu i innych konfiguracji środowiska wykonawczego. Dzięki Spaces możesz tworzyć i skalować moc obliczeniową i pamięć masową swojego IDE w górę i w dół w miarę potrzeb, dostosowywać środowiska wykonawcze oraz wstrzymywać i wznawiać kodowanie w dowolnym miejscu i czasie. Można uruchomić wiele takich przestrzeni, z których każda jest skonfigurowana z inną kombinacją mocy obliczeniowej, pamięci masowej i czasów wykonywania.
Kiedy przestrzeń jest tworzona, jest ona wyposażona w Sklep Amazon Elastic Block (Amazon EBS) Tom, który służy do przechowywania plików, danych, pamięci podręcznych i innych artefaktów użytkowników. Jest podłączony do instancji obliczeniowej ML za każdym razem, gdy uruchamiana jest Space. Wolumin EBS zapewnia spójne przywracanie plików użytkownika, danych, pamięci podręcznej i stanów sesji przy każdym ponownym uruchomieniu Space. Co ważne, ten wolumin EBS pozostaje trwały, niezależnie od tego, czy Space jest uruchomiony, czy zatrzymany. Będzie obowiązywać do momentu usunięcia spacji.
Dodatkowo wprowadziliśmy funkcję „przynieś własny system plików” dla użytkowników, którzy chcą udostępniać środowiska i artefakty w różnych przestrzeniach, użytkownikach, a nawet domenach. Dzięki temu możesz opcjonalnie wyposażyć swoje Spaces we własne System plików Amazon Elastic (Amazon EFS), ułatwiający współdzielenie zasobów w różnych obszarach roboczych.
Tworzenie przestrzeni
Tworzenie i uruchamianie nowej przestrzeni jest teraz szybkie i proste. Skonfigurowanie nowej przestrzeni z instancjami szybkiego uruchamiania zajmuje tylko kilka sekund, a uruchomienie przestrzeni zajmuje mniej niż 60 sekund. Przestrzenie są wyposażone w predefiniowane ustawienia mocy obliczeniowej i pamięci masowej, którymi zarządzają administratorzy. Administratorzy SageMaker Studio mogą ustalić ustawienia wstępne na poziomie domeny dla konfiguracji obliczeń, pamięci masowej i środowiska wykonawczego. Ta konfiguracja umożliwia szybkie uruchomienie nowej przestrzeni przy minimalnym wysiłku i wymaga tylko kilku kliknięć. Masz również możliwość modyfikowania konfiguracji obliczeń, pamięci masowej i środowiska wykonawczego Space w celu dalszego dostosowania.
Należy pamiętać, że utworzenie przestrzeni wymaga aktualizacji roli wykonawczej domeny SageMaker za pomocą zasad takich jak w poniższym przykładzie. Musisz przyznać użytkownikom uprawnienia do przestrzeni prywatnych i profili użytkowników niezbędnych do uzyskania dostępu do tych przestrzeni prywatnych. Aby uzyskać szczegółowe instrukcje, zobacz Daj swoim użytkownikom dostęp do prywatnych przestrzeni.
Aby utworzyć przestrzeń, wykonaj następujące kroki:
- W SageMaker Studio wybierz laboratorium jupytera na Konsultacje menu.
- Dodaj Utwórz przestrzeń JupyterLab.
- W razie zamówieenia projektu Imię, wpisz nazwę swojej przestrzeni.
- Dodaj Stwórz przestrzeń.
- Dodaj Uruchom przestrzeń aby uruchomić nową przestrzeń z domyślnymi ustawieniami wstępnymi lub zaktualizować konfigurację w oparciu o swoje wymagania.
Rekonfiguracja przestrzeni
Przestrzenie zaprojektowano tak, aby użytkownicy mogli w razie potrzeby płynnie przełączać się między różnymi typami obliczeń. Możesz rozpocząć od utworzenia nowej przestrzeni z określoną konfiguracją, obejmującą głównie moc obliczeniową i pamięć masową. Jeśli w dowolnym momencie pracy chcesz przełączyć się na inny typ obliczeń z większą lub mniejszą liczbą vCPU, większą lub mniejszą ilością pamięci lub instancją opartą na GPU, możesz to zrobić z łatwością. Po zatrzymaniu Space możesz zmodyfikować jego ustawienia za pomocą interfejsu użytkownika lub API poprzez zaktualizowany interfejs SageMaker Studio, a następnie uruchom ponownie Space. SageMaker Studio automatycznie obsługuje przydzielanie istniejącej przestrzeni do nowej konfiguracji, nie wymagając dodatkowego wysiłku z Twojej strony.
Wykonaj następujące kroki, aby edytować istniejącą przestrzeń:
- Na stronie szczegółów przestrzeni wybierz Zatrzymaj spację.
- Skonfiguruj ponownie moc obliczeniową, pamięć masową lub środowisko wykonawcze.
- Dodaj Uruchom przestrzeń aby ponownie ożywić przestrzeń.
Twój obszar roboczy zostanie zaktualizowany o nowy, żądany typ instancji pamięci masowej i obliczeniowej.
Nowa architektura SageMaker Studio JupyterLab
Zespół SageMaker Studio kontynuuje wymyślanie i upraszczanie środowiska programistycznego, wydając nowe, w pełni zarządzane środowisko SageMaker Studio JupyterLab. Nowe doświadczenie SageMaker Studio JupyterLab łączy w sobie to, co najlepsze z obu światów: skalowalność i elastyczność Klasyczny program SageMaker Studio (patrz załącznik na końcu tego postu) ze stabilnością i znajomością otwartego oprogramowania JupyterLab. Aby zrozumieć projekt tego nowego doświadczenia JupyterLab, przyjrzyjmy się poniższemu diagramowi architektury. Pomoże nam to lepiej zrozumieć integrację i funkcje nowej platformy JupyterLab Spaces.
Podsumowując, przeszliśmy w kierunku architektury zlokalizowanej. W tej nowej konfiguracji procesy serwera Jupyter i jądra działają równolegle w jednym kontenerze Docker, hostowanym w tej samej instancji obliczeniowej ML. Te instancje ML są udostępniane, gdy przestrzeń jest uruchomiona i łączone z woluminem EBS, który jest tworzony podczas początkowego tworzenia przestrzeni.
Ta nowa architektura niesie ze sobą kilka korzyści; niektóre z nich omówimy w poniższych sekcjach.
Zmniejszone opóźnienia i zwiększona stabilność
SageMaker Studio przeszło na model uruchamiania lokalnego, odchodząc od poprzedniego modelu podzielonego, w którym kod był przechowywany na platformie EFS i uruchamiany zdalnie w instancji ML za pośrednictwem zdalnej bramy jądra. We wcześniejszej konfiguracji Kernel Gateway, bezgłowy serwer WWW, umożliwiał operacje jądra poprzez zdalną komunikację z jądrami Jupyter za pośrednictwem protokołu HTTPS/WSS. Działania użytkownika, takie jak uruchamianie kodu, zarządzanie notatnikami lub uruchamianie poleceń terminala, były przetwarzane przez aplikację Kernel Gateway w zdalnej instancji ML, przy czym Kernel Gateway ułatwiał te operacje za pośrednictwem ZeroMQ (ZMQ) w kontenerze Docker. Poniższy diagram ilustruje tę architekturę.
Zaktualizowana architektura JupyterLab uruchamia wszystkie operacje jądra bezpośrednio w instancji lokalnej. To podejście do lokalnego serwera Jupyter zazwyczaj zapewnia lepszą wydajność i prostą architekturę. Minimalizuje opóźnienia i złożoność sieci, upraszcza architekturę w celu łatwiejszego debugowania i konserwacji, zwiększa wykorzystanie zasobów i obsługuje bardziej elastyczne wzorce przesyłania wiadomości dla różnych złożonych obciążeń.
Zasadniczo to uaktualnienie znacznie przybliża działające notebooki i kod do jąder, znacznie zmniejszając opóźnienia i zwiększając stabilność.
Lepsza kontrola nad udostępnioną pamięcią masową
SageMaker Studio Classic pierwotnie korzystał z Amazon EFS w celu zapewnienia trwałego, współdzielonego miejsca na pliki dla katalogów domowych użytkowników w środowisku SageMaker Studio. Ta konfiguracja umożliwia centralne przechowywanie notatników, skryptów i innych plików projektów, dostępnych we wszystkich sesjach i instancjach SageMaker Studio.
Wraz z najnowszą aktualizacją SageMaker Studio następuje przejście z pamięci masowej opartej na Amazon EFS na rozwiązanie oparte na Amazon EBS. Woluminy EBS wyposażone w SageMaker Studio Spaces to: Tomy GP3 zaprojektowany tak, aby zapewniać stałą wydajność bazową wynoszącą 3,000 IOPS, niezależnie od rozmiaru wolumenu. Ta nowa pamięć masowa Amazon EBS zapewnia wyższą wydajność w przypadku zadań wymagających dużej liczby operacji we/wy, takich jak uczenie modeli, przetwarzanie danych, obliczenia o wysokiej wydajności i wizualizacja danych. To przejście zapewnia także administratorom SageMaker Studio lepszy wgląd i kontrolę nad wykorzystaniem pamięci masowej przez profile użytkowników w domenie lub w SageMaker. Możesz teraz ustawić domyślne (DefaultEbsVolumeSizeInGb
) i maksimum (MaximumEbsVolumeSizeInGb
) rozmiary pamięci dla przestrzeni JupyterLab w ramach każdego profilu użytkownika.
Oprócz zwiększonej wydajności masz możliwość elastycznej zmiany rozmiaru woluminu pamięci podłączonego do instancji obliczeniowej ML Space poprzez edycję ustawień Space za pomocą interfejsu użytkownika lub działania API w interfejsie SageMaker Studio, bez konieczności wykonywania jakichkolwiek czynności administracyjnych. Należy jednak pamiętać, że rozmiary woluminów EBS można edytować tylko w jednym kierunku — po zwiększeniu rozmiaru woluminu EBS Space nie będzie można go ponownie zmniejszyć.
SageMaker Studio oferuje teraz administratorom podwyższoną kontrolę nad udostępnianą pamięcią masową:
- Administratorzy SageMaker Studio mogą zarządzać rozmiarami woluminów EBS dla profili użytkowników. Te wolumeny JupyterLab EBS mogą wahać się od minimum 5 GB do maksymalnie 16 TB. Poniższy fragment kodu pokazuje, jak utworzyć lub zaktualizować profil użytkownika z domyślnymi i maksymalnymi ustawieniami miejsca:
- SageMaker Studio oferuje teraz ulepszoną funkcję automatycznego tagowania zasobów Amazon EBS, automatycznie oznaczając woluminy utworzone przez użytkowników informacjami o domenie, użytkowniku i przestrzeni. To udoskonalenie upraszcza analizę alokacji kosztów zasobów pamięci masowej, pomagając administratorom w skuteczniejszym zarządzaniu kosztami i przypisywaniu ich. Należy również pamiętać, że te woluminy EBS są hostowane w ramach konta usługi, więc nie będziesz mieć bezpośredniego widoczności. Niemniej jednak wykorzystanie pamięci masowej i powiązane koszty są bezpośrednio powiązane z domeną ARN, profilem użytkownika ARN i przestrzenią ARN, co ułatwia prostą alokację kosztów.
- Administratorzy mogą także kontrolować szyfrowanie przechowywanych woluminów EBS Space, korzystając z kluczy zarządzanych przez klienta (CMK).
Współdzierżawa z własnym systemem plików EFS
Przepływy pracy ML są zazwyczaj oparte na współpracy i wymagają wydajnego udostępniania danych i kodu pomiędzy członkami zespołu. Nowe SageMaker Studio usprawnia ten aspekt współpracy, umożliwiając udostępnianie danych, kodu i innych artefaktów za pośrednictwem współdzielonego przynieś własny system plików EFS. Ten dysk EFS można skonfigurować niezależnie od SageMaker lub może być istniejącym zasobem Amazon EFS. Po udostępnieniu można go bezproblemowo zamontować w profilach użytkowników SageMaker Studio. Ta funkcja nie jest ograniczona do profili użytkowników w obrębie jednej domeny — może obejmować różne domeny, o ile znajdują się one w tym samym regionie.
Poniższy przykładowy kod pokazuje, jak utworzyć domenę i dołączyć do niej istniejący wolumin EFS, korzystając z powiązanego z nim fs-id
. Woluminy EFS można dołączyć do domeny na poziomie katalogu głównego lub prefiksu, jak pokazują poniższe polecenia:
Gdy uchwyt EFS zostanie udostępniony w domenie i powiązanych z nią profilach użytkowników, możesz dołączyć go do nowej przestrzeni. Można to zrobić za pomocą interfejsu użytkownika SageMaker Studio lub akcji API, jak pokazano w poniższym przykładzie. Należy pamiętać, że gdy tworzona jest przestrzeń z systemem plików EFS udostępnionym na poziomie domeny, przestrzeń dziedziczy jej właściwości. Oznacza to, że jeśli system plików jest udostępniany na poziomie katalogu głównego lub prefiksu w domenie, ustawienia te zostaną automatycznie zastosowane do przestrzeni utworzonej przez użytkowników domeny.
Po zamontowaniu go w przestrzeni możesz zlokalizować wszystkie pliki znajdujące się nad punktem montowania udostępnionym przez administratora. Pliki te można znaleźć w ścieżce katalogu /mnt/custom-file-system/efs/fs-12345678
.
Montaże EFS umożliwiają proste udostępnianie artefaktów w przestrzeni użytkownika lub między wieloma użytkownikami lub między domenami, co czyni go idealnym do wspólnych zadań. Dzięki tej funkcji możesz wykonać następujące czynności:
- Udostępnij dane – Uchwyty EFS idealnie nadają się do przechowywania dużych zbiorów danych kluczowych dla eksperymentów związanych z analityką danych. Właściciele zestawów danych mogą załadować te zestawy danych za pomocą treningowych, walidacyjnych i testowych zestawów danych, udostępniając je profilom użytkowników w domenie lub w wielu domenach. Administratorzy SageMaker Studio mogą także integrować istniejące instalacje EFS aplikacji, zachowując jednocześnie zgodność z zasadami bezpieczeństwa organizacji. Odbywa się to poprzez elastyczny montaż na poziomie prefiksu. Na przykład, jeśli dane produkcyjne i testowe są przechowywane na tym samym dysku EFS (np
fs-12345678:/data/prod and fs-12345678:/data/test
), montaż/data/test
na profile użytkowników domeny SageMaker zapewnia użytkownikom dostęp tylko do testowego zbioru danych. Taka konfiguracja umożliwia analizę lub szkolenie modeli, zapewniając jednocześnie bezpieczeństwo i dostępność danych produkcyjnych. - Udostępnij kod – Mocowania EFS ułatwiają szybkie udostępnianie artefaktów kodu pomiędzy profilami użytkowników. W scenariuszach, w których użytkownicy muszą szybko udostępniać próbki kodu lub współpracować nad wspólną bazą kodu bez skomplikowanych częstych poleceń Git Push/Pull, wspólne montowanie EFS jest bardzo korzystne. Oferują wygodny sposób udostępniania artefaktów kodu w toku w ramach zespołu lub pomiędzy różnymi zespołami w SageMaker Studio.
- Udostępniaj środowiska programistyczne – Współdzielone mocowania EFS mogą również służyć jako sposób na szybkie rozpowszechnianie środowisk piaskownicy wśród użytkowników i zespołów. Montaże EFS stanowią solidną alternatywę dla udostępniania środowisk Python, takich jak conda lub virtualenv, w wielu obszarach roboczych. Takie podejście pozwala uniknąć konieczności dystrybucji
requirements.txt
orenvironment.yml
plików, co często może prowadzić do powtarzalnego zadania tworzenia lub odtwarzania środowisk dla różnych profili użytkowników.
Funkcje te znacząco zwiększają możliwości współpracy w SageMaker Studio, ułatwiając zespołom efektywną współpracę nad złożonymi projektami ML. Ponadto Code Editor oparty na Code-OSS (Visual Studio Code Open Source) ma te same zasady architektoniczne, co wspomniane wcześniej doświadczenie JupyterLab. To dostosowanie przynosi kilka korzyści, takich jak zmniejszone opóźnienia, zwiększona stabilność i lepsza kontrola administracyjna, a także umożliwia użytkownikom dostęp do wspólne przestrzenie robocze, podobne do tych oferowanych w JupyterLab Spaces.
Narzędzia generatywne oparte na sztucznej inteligencji w JupyterLab Spaces
Generatywna sztuczna inteligencja, szybko rozwijająca się dziedzina sztucznej inteligencji, wykorzystuje algorytmy do tworzenia nowych treści, takich jak tekst, obrazy i kod, na podstawie obszernych istniejących danych. Technologia ta zrewolucjonizowała kodowanie, automatyzując rutynowe zadania, generując złożone struktury kodu i oferując inteligentne sugestie, usprawniając w ten sposób rozwój oraz wspierając kreatywność i rozwiązywanie problemów w programowaniu. Jako niezastąpione narzędzie dla programistów, generatywna sztuczna inteligencja zwiększa produktywność i napędza innowacje w branży technologicznej. SageMaker Studio zwiększa możliwości programistyczne dzięki preinstalowanym narzędziom, takim jak Amazon CodeWhisperer i Jupyter AI, wykorzystując generatywną sztuczną inteligencję do przyspieszania cyklu życia oprogramowania.
Zaklinacz kodów Amazon
Amazon CodeWhisperer to asystent programistyczny, który zwiększa produktywność programistów dzięki rekomendacjom i rozwiązaniom dotyczącym kodu w czasie rzeczywistym. Jako usługa AI zarządzana przez AWS, jest ona płynnie zintegrowana z SageMaker Studio JupyterLab IDE. Ta integracja sprawia, że Amazon CodeWhisperer jest płynnym i cennym dodatkiem do przepływu pracy programisty.
Amazon CodeWhisperer przoduje w zwiększaniu wydajności programistów poprzez automatyzację typowych zadań związanych z kodowaniem, sugerując bardziej efektywne wzorce kodowania i skracając czas debugowania. Służy jako niezbędne narzędzie zarówno dla początkujących, jak i doświadczonych programistów, zapewniając wgląd w najlepsze praktyki, przyspieszając proces programowania i poprawiając ogólną jakość kodu. Aby rozpocząć korzystanie z Amazon CodeWhisperer, upewnij się, że plik Wznów automatyczne sugestie funkcja jest aktywowana. Możesz ręcznie wywołać sugestie kodu za pomocą Skróty klawiaturowe.
Alternatywnie napisz komentarz opisujący zamierzoną funkcję kodu i rozpocznij kodowanie; Amazon CodeWhisperer zacznie dostarczać sugestie.
Pamiętaj, że chociaż program Amazon CodeWhisperer jest preinstalowany, musisz mieć plik codewhisperer:GenerateRecommendations
pozwolenie w ramach roli wykonawczej na otrzymywanie rekomendacji dotyczących kodu. Dodatkowe szczegóły można znaleźć w Używanie CodeWhisperer z Amazon SageMaker Studio. Kiedy korzystasz z Amazon CodeWhisperer, AWS może, w celu ulepszenia usług, przechowywać dane o Twoim użytkowaniu i treści. Aby zrezygnować z usługi Amazon CodeWhisperer zasady udostępniania danych, możesz przejść do Oprawa opcję z górnego menu, a następnie przejdź do Edytor ustawień i wyłącz Udostępniaj dane dotyczące użytkowania za pomocą Amazon CodeWhisperer z menu ustawień Amazon CodeWhisperer.
Sztuczna inteligencja Jupytera
Sztuczna inteligencja Jupytera to narzędzie typu open source, które przenosi generatywną sztuczną inteligencję do notebooków Jupyter, oferując solidną i przyjazną dla użytkownika platformę do odkrywania generatywnych modeli sztucznej inteligencji. Zwiększa produktywność w JupyterLab i Jupyter Notebooks, zapewniając funkcje takie jak magia %%ai do tworzenia generatywnego placu zabaw AI w notatnikach, natywny interfejs czatu w JupyterLab do interakcji z AI jako asystent konwersacyjny oraz obsługa szerokiej gamy dużych języków dostawcy modeli (LLM), takich jak AI21, Anthropic, Cohere i Hugging Face, lub usługi zarządzane, takie jak Amazońska skała macierzysta i punkty końcowe SageMaker. Ta integracja oferuje bardziej wydajne i innowacyjne metody analizy danych, uczenia maszynowego i zadań związanych z kodowaniem. Na przykład możesz wchodzić w interakcję z LLM obsługującym domenę za pomocą interfejsu czatu Jupyternaut, aby uzyskać pomoc dotyczącą procesów i przepływów pracy lub generować przykładowy kod za pomocą CodeLlama, hostowanego na punktach końcowych SageMaker. Dzięki temu jest to cenne narzędzie dla programistów i analityków danych.
Jupyter AI zapewnia szeroki wybór modeli językowych gotowych do użycia od razu po wyjęciu z pudełka. Ponadto modele niestandardowe są również obsługiwane przez punkty końcowe SageMaker, oferując elastyczność i szeroki zakres opcji dla użytkowników. Oferuje także obsługę osadzania modeli, umożliwiając przeprowadzanie bezpośrednich porównań i testów, a nawet tworzenie lub testowanie aplikacji ad hoc Retrieval Augmented Generation (RAG).
Jupyter AI może działać jako Twój asystent na czacie, pomagając Ci w zakresie próbek kodu, dostarczając odpowiedzi na pytania i wiele więcej.
Możesz użyć sztucznej inteligencji Jupytera %%ai
magic, aby wygenerować przykładowy kod w notatniku, jak pokazano na poniższym zrzucie ekranu.
JupyterLab 4.0
Zespół JupyterLab wydał wersję 4.0, zawierającą znaczące ulepszenia wydajności, funkcjonalności i komfortu użytkowania. Szczegółowe informacje na temat tego wydania można znaleźć w oficjalnym wydaniu Dokumentacja JupyterLab.
Ta wersja, obecnie standardowa w SageMaker Studio JupyterLab, wprowadza zoptymalizowaną wydajność do obsługi dużych notatników i szybszych operacji, dzięki ulepszeniom, takim jak optymalizacja reguł CSS oraz przyjęcie CodeMirror 6 i MathJax 3. Kluczowe ulepszenia obejmują ulepszony edytor tekstu z lepszą dostępnością i możliwością dostosowywania , nowy menedżer rozszerzeń ułatwiający instalację rozszerzeń Pythona i ulepszone możliwości wyszukiwania dokumentów dzięki zaawansowanym funkcjom. Ponadto wersja 4.0 wprowadza ulepszenia interfejsu użytkownika, ulepszenia dostępności i aktualizacje narzędzi programistycznych, a niektóre funkcje zostały przeniesione do JupyterLab 3.6.
Wnioski
Postępy w SageMaker Studio, szczególnie dzięki nowemu doświadczeniu JupyterLab, stanowią znaczący krok naprzód w rozwoju uczenia maszynowego. Zaktualizowany interfejs użytkownika SageMaker Studio, z integracją JupyterLab, Code Editor i RStudio, oferuje niezrównane, usprawnione środowisko dla programistów ML. Wprowadzenie JupyterLab Spaces zapewnia elastyczność i łatwość dostosowywania zasobów obliczeniowych i pamięci masowej, zwiększając ogólną wydajność przepływów pracy ML. Przejście ze zdalnej architektury jądra na zlokalizowany model w JupyterLab znacznie zwiększa stabilność, jednocześnie zmniejszając opóźnienia podczas uruchamiania. Dzięki temu kodowanie jest szybsze, bardziej stabilne i responsywne. Co więcej, integracja generatywnych narzędzi AI, takich jak Amazon CodeWhisperer i Jupyter AI, w JupyterLab dodatkowo wzmacnia możliwości programistów, umożliwiając korzystanie ze sztucznej inteligencji do pomocy w kodowaniu i innowacyjnego rozwiązywania problemów. Zwiększona kontrola nad udostępnioną pamięcią masową oraz możliwość łatwego udostępniania kodu i danych za pośrednictwem samodzielnie zarządzanych modułów EFS znacznie ułatwiają wspólne projekty. Wreszcie wydanie JupyterLab 4.0 w SageMaker Studio podkreśla te ulepszenia, oferując zoptymalizowaną wydajność, lepszą dostępność i bardziej przyjazny dla użytkownika interfejs, umacniając w ten sposób rolę JupyterLab jako kamienia węgielnego wydajnego i skutecznego rozwoju uczenia maszynowego w nowoczesnym krajobrazie technologicznym.
Wypróbuj SageMaker Studio JupyterLab Spaces, korzystając z naszego szybka funkcja pokładowa, co pozwala na uruchomienie nowej domeny dla pojedynczych użytkowników w ciągu kilku minut. Podziel się swoimi przemyśleniami w sekcji komentarzy!
Dodatek: Architektura bramy jądra SageMaker Studio Classic
A Klasyczny SageMaker domena to logiczna agregacja woluminu EFS, listy użytkowników autoryzowanych do dostępu do domeny oraz konfiguracji związanych z bezpieczeństwem, aplikacjami, siecią i nie tylko. W klasycznej architekturze SageMaker Studio SageMaker każdy użytkownik w domenie SageMaker ma odrębny profil użytkownika. Profil ten obejmuje szczegółowe informacje, takie jak rola użytkownika i jego identyfikator użytkownika Posix w wolumenie EFS, a także inne unikalne dane. Użytkownicy uzyskują dostęp do swojego indywidualnego profilu użytkownika poprzez dedykowaną aplikację Jupyter Server, połączoną poprzez HTTPS/WSS w swojej przeglądarce internetowej. SageMaker Studio Classic wykorzystuje architekturę zdalnego jądra, wykorzystując kombinację typów aplikacji Jupyter Server i Kernel Gateway, umożliwiając serwerom notebooków interakcję z jądrami na zdalnych hostach. Oznacza to, że jądra Jupytera nie działają na hoście serwera notebooków, ale w kontenerach Docker na oddzielnych hostach. Zasadniczo Twój notatnik jest przechowywany w katalogu domowym EFS i zdalnie uruchamia kod na innym Elastyczna chmura obliczeniowa Amazon Instancja (Amazon EC2), w której mieści się wstępnie zbudowany kontener Docker wyposażony w biblioteki ML, takie jak PyTorch, TensorFlow, Scikit-Learn i inne.
Zdalna architektura jądra w SageMaker Studio oferuje znaczące korzyści w zakresie skalowalności i elastyczności. Ma jednak swoje ograniczenia, w tym maksymalnie cztery aplikacje na typ instancji i potencjalne wąskie gardła ze względu na liczne połączenia HTTPS/WSS z powszechnym typem instancji EC2. Ograniczenia te mogą negatywnie wpłynąć na wygodę użytkownika.
Poniższy diagram architektury przedstawia architekturę SageMaker Studio Classic. Ilustruje proces łączenia się użytkownika z aplikacją Kernel Gateway za pośrednictwem aplikacji Jupyter Server przy użyciu preferowanej przeglądarki internetowej.
O autorach
Pranava Murthy’ego jest architektem rozwiązań specjalistycznych AI/ML w AWS. Koncentruje się na pomaganiu klientom w budowaniu, szkoleniu, wdrażaniu i migracji obciążeń uczenia maszynowego (ML) do SageMaker. Wcześniej pracował w branży półprzewodników, opracowując duże modele widzenia komputerowego (CV) i przetwarzania języka naturalnego (NLP) w celu ulepszenia procesów półprzewodnikowych przy użyciu najnowocześniejszych technik ML. W wolnym czasie lubi grać w szachy i podróżować. Możesz znaleźć Pranav na LinkedIn.
Kunal jha jest starszym menedżerem produktu w AWS. Koncentruje się na budowaniu Amazon SageMaker Studio jako najlepszego w swojej klasie rozwiązania do kompleksowego rozwoju uczenia maszynowego. W wolnym czasie Kunal lubi jeździć na nartach i zwiedzać północno-zachodnie wybrzeże Pacyfiku. Znajdziesz go na LinkedIn.
Majisha Namath Parambath jest starszym inżynierem oprogramowania w Amazon SageMaker. Pracuje w Amazon od ponad 8 lat i obecnie pracuje nad udoskonaleniem kompleksowego doświadczenia Amazon SageMaker Studio.
Bharata Nandamuriego jest starszym inżynierem oprogramowania pracującym w Amazon SageMaker Studio. Pasjonuje się budowaniem wysokiej skali usług backendowych, ze szczególnym uwzględnieniem inżynierii systemów ML. Poza pracą lubi grać w szachy, wędrować i oglądać filmy.
Dereka Lause’a jest inżynierem oprogramowania w AWS. Zależy mu na dostarczaniu wartości klientom za pośrednictwem Amazon SageMaker Studio i instancji notebooków. W wolnym czasie Derek lubi spędzać czas z rodziną i przyjaciółmi oraz wędrować. Możesz znaleźć Dereka na LinkedIn.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/
- :ma
- :Jest
- :nie
- :Gdzie
- $W GÓRĘ
- 000
- 100
- 11
- 12
- 16
- 25
- 60
- 7
- 8
- a
- zdolność
- Zdolny
- O nas
- powyżej
- przyśpieszyć
- przyspieszenie
- dostęp
- dostępność
- dostępny
- Dostęp
- Konto
- w poprzek
- działać
- Działania
- działania
- aktywnie
- Dzieje Apostolskie
- Ad
- dodatek
- Dodatkowy
- do tego
- administracja
- administracyjny
- Administratorzy
- Przyjęcie
- zaawansowany
- postęp
- postępy
- Zalety
- oddziaływać
- Po
- zbiór
- AI
- Modele AI
- Zasilany AI
- AI / ML
- Algorytmy
- wyrównanie
- Wszystkie kategorie
- przydział
- dopuszczać
- pozwala
- wzdłuż
- również
- alternatywny
- Chociaż
- Amazonka
- Zaklinacz kodów Amazon
- Amazon EC2
- Amazon Sage Maker
- Studio Amazon SageMaker
- Amazon Web Services
- wśród
- an
- analiza
- i
- odpowiedzi
- Antropiczny
- każdy
- nigdzie
- api
- Aplikacja
- Zastosowanie
- Aplikuj
- podejście
- mobilne i webowe
- architektoniczny
- architektura
- SĄ
- Szyk
- Sztuka
- sztuczny
- sztuczna inteligencja
- AS
- aspekt
- Wsparcie
- Asystent
- powiązany
- At
- dołączać
- zwiększona
- autor
- upoważniony
- automatycznie
- automatyzacja
- dostępny
- z dala
- AWS
- z powrotem
- Backend
- baza
- na podstawie
- Baseline
- BE
- być
- rozpocząć
- początkujący
- korzystny
- Korzyści
- BEST
- Najlepsze praktyki
- Ulepsz Swój
- pomiędzy
- Blokować
- podnieść
- pobudzanie
- obie
- wąskie gardła
- Pudełko
- Przynosi
- szeroki
- przeglądarka
- budować
- Budowanie
- ale
- by
- Cache
- nazywa
- CAN
- możliwości
- Centrum
- pewien
- Szachy
- wybór
- Dodaj
- klasyczny
- bliższy
- kod
- podstawa kodu
- Kodowanie
- współpracować
- współpracy
- połączenie
- kombajny
- komentarz
- komentarze
- zobowiązany
- wspólny
- Komunikacja
- towarzysz
- porównania
- kompletny
- kompleks
- złożoności
- kompleksowość
- spełnienie
- wszechstronny
- obliczać
- komputer
- Wizja komputerowa
- computing
- pojęcie
- warunek
- systemu
- skonfigurowany
- połączony
- Podłączanie
- połączenia
- zgodny
- konsekwentnie
- Składający się
- Pojemnik
- Pojemniki
- zawartość
- kontynuować
- ciągły
- kontrola
- Wygodny
- konwersacyjny
- kamień węgielny
- Koszty:
- Koszty:
- mógłby
- pokrywa
- Stwórz
- stworzony
- Tworzenie
- kreatywność
- istotny
- CSS
- Obecnie
- zwyczaj
- klient
- Klientów
- dostosowywanie
- dostosować
- dane
- analiza danych
- analiza danych
- nauka danych
- Wizualizacja danych
- zbiory danych
- dedykowane
- Domyślnie
- dostarczyć
- sięgać
- wykazać
- rozwijać
- wdrażanie
- Derek
- Opisujące
- Wnętrze
- zaprojektowany
- szczegółowe
- detale
- Deweloper
- deweloperzy
- rozwijanie
- oprogramowania
- narzędzia programistyczne
- różne
- kierować
- bezpośrednio
- katalogi
- dyskutować
- odrębny
- rozdzielczy
- 分配
- do
- Doker
- dokument
- domena
- domeny
- zrobić
- na dół
- napęd
- dyski
- z powodu
- każdy
- Wcześniej
- łatwość
- łatwiej
- łatwo
- redaktor
- efekt
- Efektywne
- faktycznie
- efektywność
- wydajny
- skutecznie
- wysiłek
- łatwy
- bez wysiłku
- bądź
- podniesiony
- osadzanie
- upoważniać
- upoważnia
- umożliwiać
- włączony
- Umożliwia
- umożliwiając
- obejmuje
- szyfrowanie
- zakończenia
- koniec końców
- inżynier
- Inżynieria
- wzmacniać
- wzmocnione
- ulepszenia
- Poprawia
- wzmocnienie
- zapewnia
- Wchodzę
- Środowisko
- środowiska
- wyposażony
- istota
- niezbędny
- zapewniają
- Parzyste
- ewoluuje
- przykład
- egzekucja
- Przede wszystkim system został opracowany
- doświadczenie
- eksperymenty
- Wyjaśniać
- Exploring
- rozciągać się
- rozbudowa
- rozszerzenia
- rozległy
- dodatkowy
- Twarz
- ułatwiać
- ułatwienie
- fałszywy
- Znajomość
- członków Twojej rodziny
- FAST
- szybciej
- Cecha
- Korzyści
- Wyposażony w
- kilka
- pole
- filet
- Akta
- Znajdź
- Elastyczność
- elastyczne
- elastycznie
- płyn
- Skupiać
- koncentruje
- koncentruje
- następujący
- W razie zamówieenia projektu
- Naprzód
- wychowanie
- znaleziono
- cztery
- Darmowy
- częsty
- przyjaciele
- od
- w pełni
- funkcjonować
- Funkcjonalność
- dalej
- Bramka
- Generować
- generujący
- generacja
- generatywny
- generatywna sztuczna inteligencja
- git
- daje
- Go
- przyznać
- Dotacje
- chwycić
- większy
- bardzo
- Uchwyty
- Prowadzenie
- Have
- he
- pomoc
- pomoc
- Wysoki
- wysoka wydajność
- wyższy
- wysoko
- go
- jego
- Strona główna
- gospodarz
- hostowane
- gospodarze
- domy
- W jaki sposób
- How To
- Jednak
- HTML
- http
- HTTPS
- ID
- idealny
- if
- ilustruje
- ilustrujące
- zdjęcia
- ważny
- co ważne
- podnieść
- ulepszony
- poprawa
- ulepszenia
- poprawy
- in
- niedostępny
- zawierać
- obejmuje
- Włącznie z
- Zwiększać
- wzrosła
- Zwiększenia
- wzrastający
- niezależny
- niezależnie
- indywidualny
- przemysł
- Informacja
- początkowo
- Innowacja
- Innowacyjny
- wewnątrz
- wgląd
- spostrzeżenia
- instalacja
- przykład
- instrukcje
- integrować
- zintegrowany
- integracja
- Inteligencja
- Inteligentny
- zamierzony
- interakcji
- interakcji
- Interfejs
- najnowszych
- przedstawiać
- wprowadzono
- Przedstawia
- wprowadzenie
- Wprowadzenie
- IT
- JEGO
- jpg
- właśnie
- konserwacja
- Klawisz
- Klawisze
- etykietowanie
- krajobraz
- język
- duży
- w końcu
- Utajenie
- firmy
- uruchomić
- uruchomiona
- wodowanie
- prowadzić
- Skakać
- nauka
- mniej
- poziom
- biblioteki
- wifecycwe
- lubić
- Ograniczenia
- powiązany
- Lista
- LLM
- załadować
- miejscowy
- usytuowany
- logiczny
- długo
- Popatrz
- niższy
- maszyna
- uczenie maszynowe
- zrobiony
- magia
- Utrzymywanie
- konserwacja
- robić
- WYKONUJE
- Dokonywanie
- zarządzanie
- zarządzane
- kierownik
- zarządzający
- ręcznie
- znak
- maksymalny
- Może..
- znaczy
- Użytkownicy
- Pamięć
- Menu
- wiadomości
- metody
- migrować
- minimalny
- minimalizuje
- minimum
- minut
- ML
- model
- modele
- Nowoczesne technologie
- modyfikować
- jeszcze
- bardziej wydajny
- Ponadto
- większość
- MONTAż
- Kino
- przeniesienie
- dużo
- wielokrotność
- musi
- Nazwa
- rodzimy
- Naturalny
- Przetwarzanie języka naturalnego
- Nawigacja
- niezbędny
- Potrzebować
- potrzebne
- ujemnie
- sieć
- sieci
- Nowości
- nlp
- Nie
- dostojnik
- noty
- notatnik
- już dziś
- liczny
- of
- oferta
- oferowany
- oferuje
- Oferty
- urzędnik
- często
- on
- Onboard
- ONE
- tylko
- na
- koncepcja
- open source
- działać
- operacje
- optymalizacja
- zoptymalizowane
- Option
- Opcje
- or
- organizacyjny
- pierwotnie
- Inne
- ludzkiej,
- na zewnątrz
- zewnętrzne
- koniec
- ogólny
- własny
- właściciele
- Pacyfik
- strona
- część
- szczególnie
- namiętny
- ścieżka
- wzory
- pauza
- dla
- wykonać
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- pozwolenie
- uprawnienia
- Platforma
- plato
- Analiza danych Platona
- PlatoDane
- plac zabaw dla dzieci
- gra
- punkt
- polityka
- polityka
- Post
- potencjał
- praktyki
- Korzystny
- przygotowanie
- poprzedni
- poprzednio
- głównie
- Zasady
- prywatny
- rozwiązanie problemu
- wygląda tak
- Obrobiony
- procesów
- przetwarzanie
- Produkt
- product manager
- Produkcja
- wydajność
- Profil
- profile
- Programowanie
- projekt
- projektowanie
- niska zabudowa
- zapewniać
- dostawców
- zapewnia
- że
- cele
- Python
- płomień
- jakość
- pytania
- Szybki
- szybciej
- szybko
- zasięg
- szybko
- gotowy
- w czasie rzeczywistym
- otrzymać
- zalecenia
- Zredukowany
- redukcja
- odnosić się
- Bez względu
- region
- związane z
- wznowienie
- zwolnić
- wydany
- szczątki
- zdalny
- zdalnie
- powtarzalne
- reprezentacja
- reprezentuje
- wymagania
- Wymaga
- Zasób
- Zasoby
- czuły
- REST
- zrestartowany
- ograniczony
- wynikły
- Efekt
- Resume
- zrewolucjonizował
- prawo
- krzepki
- Rola
- korzeń
- rutyna
- Zasada
- run
- bieganie
- działa
- Czas
- sagemaker
- taki sam
- piaskownica
- Skalowalność
- Skala
- scenariusze
- nauka
- Naukowcy
- nauka-scikit
- skrypty
- bezszwowy
- płynnie
- Szukaj
- zaprawiony
- sekund
- działy
- bezpieczne
- bezpieczeństwo
- zasady bezpieczeństwa
- widzieć
- Semiconductor
- senior
- oddzielny
- służyć
- serwer
- Serwery
- służy
- usługa
- Usługi
- Sesja
- Sesje
- zestaw
- ustawienie
- w panelu ustawień
- ustawienie
- kilka
- Share
- shared
- Akcje
- dzielenie
- ona
- przesunięcie
- pokazane
- Targi
- znaczący
- znacznie
- podobny
- upraszcza
- upraszczać
- pojedynczy
- Rozmiar
- rozmiary
- skrawek
- So
- Tworzenie
- Software Engineer
- solidny
- zestalający się
- rozwiązanie
- Rozwiązania
- kilka
- Źródło
- Typ przestrzeni
- obowiązuje
- specjalista
- specyficzny
- Spędzanie
- Spin
- dzielić
- Stabilność
- stabilny
- standard
- początek
- startup
- Stan
- Zestawienie sprzedaży
- Zjednoczone
- Ewolucja krok po kroku
- Cel
- Stop
- zatrzymany
- przechowywanie
- sklep
- przechowywany
- przechowywania
- bezpośredni
- usprawniony
- usprawnienie
- Struktury
- studio
- taki
- PODSUMOWANIE
- wsparcie
- Utrzymany
- pewnie
- Przełącznik
- system
- systemy
- Brać
- trwa
- Zadanie
- zadania
- zespół
- Członkowie Zespołu
- Zespoły
- tech
- przemysł technologiczny
- Techniki
- Technologia
- tensorflow
- terminal
- REGULAMIN
- test
- Testy
- XNUMX
- niż
- Podziękowania
- że
- Połączenia
- ich
- Im
- następnie
- Tam.
- a tym samym
- Te
- one
- to
- tych
- Przez
- czas
- do
- razem
- narzędzie
- narzędzia
- Top
- w kierunku
- Pociąg
- Trening
- przejście
- przeniesiony
- Podróżowanie
- prawdziwy
- próbować
- melodia
- rodzaj
- typy
- zazwyczaj
- ui
- podkreślenia
- zrozumieć
- wyjątkowy
- niezrównany
- aż do
- Aktualizacja
- zaktualizowane
- Nowości
- aktualizowanie
- uaktualnienie
- zmodernizowane
- us
- Stosowanie
- posługiwać się
- używany
- Użytkownik
- Doświadczenie użytkownika
- łatwy w obsłudze
- Użytkownicy
- zastosowania
- za pomocą
- uprawomocnienie
- Cenny
- wartość
- różnorodność
- różnorodny
- wersja
- przez
- widoczność
- wizja
- wizualny
- wyobrażanie sobie
- Tom
- kłęby
- była
- oglądania
- Droga..
- we
- sieć
- przeglądarka internetowa
- serwer wWW
- usługi internetowe
- Web-based
- były
- jeśli chodzi o komunikację i motywację
- ilekroć
- czy
- który
- Podczas
- KIM
- szeroki
- będzie
- chcieć
- w
- w ciągu
- bez
- Praca
- pracować razem
- pracował
- workflow
- przepływów pracy
- pracujący
- świat
- napisać
- lat
- You
- Twój
- zefirnet