Amazon SageMaker Studio oferă un set larg de medii de dezvoltare integrate (IDE) complet gestionate pentru dezvoltarea machine learning (ML), inclusiv JupyterLab, Editor de cod bazat pe Code-OSS (Visual Studio Code Open Source) și RStudio. Oferă acces la cel mai cuprinzător set de instrumente pentru fiecare pas al dezvoltării ML, de la pregătirea datelor până la construirea, instruirea, implementarea și gestionarea modelelor ML. Puteți lansa JuptyerLab complet gestionat cu SageMaker Distribution preconfigurat în câteva secunde pentru a lucra cu notebook-urile, codul și datele. Interfața flexibilă și extensibilă a SageMaker Studio vă permite să configurați și să aranjați fără efort fluxurile de lucru ML și puteți utiliza însoțitorul de codare inline alimentat de AI pentru a crea, depana, explica și testa rapid codul.
În această postare, aruncăm o privire mai atentă asupra SageMaker Studio actualizat și IDE-ul său JupyterLab, conceput pentru a crește productivitatea dezvoltatorilor ML. Introducem conceptul de Spaces și explicăm modul în care JupyterLab Spaces permite personalizarea flexibilă a resurselor de calcul, stocare și runtime pentru a îmbunătăți eficiența fluxului de lucru ML. De asemenea, discutăm despre trecerea noastră la un model de execuție localizat în JupyterLab, rezultând o experiență de codare mai rapidă, mai stabilă și mai receptivă. În plus, acoperim integrarea perfectă a instrumentelor AI generative, cum ar fi Amazon Code Whisperer și Jupyter AI în cadrul SageMaker Studio JupyterLab Spaces, ilustrând modul în care acestea permit dezvoltatorilor să folosească AI pentru asistență la codificare și rezolvarea inovatoare a problemelor.
Vă prezentăm Spaces în SageMaker Studio
Noul Interfață web SageMaker Studio acționează ca un centru de comandă pentru lansarea IDE-ului dvs. preferat și accesarea dvs Amazon SageMaker instrumente pentru a construi, antrena, regla și implementa modele. Pe lângă JupyterLab și RStudio, SageMaker Studio include acum un editor de cod complet gestionat bazat pe Code-OSS (Visual Studio Code Open Source). Atât JupyterLab, cât și Code Editor pot fi lansate folosind un spațiu de lucru flexibil numit Spaces.
Un spațiu este o reprezentare de configurare a unui IDE SageMaker, cum ar fi JupyterLab sau Editor de cod, proiectat să persiste indiferent dacă o aplicație (IDE) asociată cu spațiul rulează activ sau nu. Un spațiu reprezintă o combinație de o instanță de calcul, stocare și alte configurații de rulare. Cu Spaces, puteți crea și scala calcularea și stocarea pentru IDE-ul dvs. în sus și în jos pe măsură ce mergeți, puteți personaliza mediile de rulare și puteți întrerupe și relua codarea oricând, de oriunde. Puteți porni mai multe astfel de spații, fiecare configurat cu o combinație diferită de calcul, stocare și timpi de execuție.
Când este creat un spațiu, acesta este echipat cu un Magazin Amazon Elastic Block (Amazon EBS) volum, care este folosit pentru a stoca fișierele utilizatorilor, datele, memoria cache și alte artefacte. Este atașat unei instanțe de calcul ML ori de câte ori rulează un Space. Volumul EBS asigură că fișierele utilizatorului, datele, memoria cache și stările de sesiune sunt restaurate în mod constant ori de câte ori Space este repornit. Important, acest volum EBS rămâne persistent, indiferent dacă spațiul este în stare de funcționare sau oprit. Va continua să persistă până când spațiul este șters.
În plus, am introdus caracteristica de a aduce propriul sistem de fișiere pentru utilizatorii care doresc să partajeze medii și artefacte în diferite spații, utilizatori sau chiar domenii. Acest lucru vă permite să vă echipați opțional Spațiile cu ale dvs Sistem de fișiere elastice Amazon (Amazon EFS), facilitând partajarea resurselor în diferite spații de lucru.
Crearea unui spațiu
Crearea și lansarea unui nou spațiu este acum rapidă și simplă. Este nevoie de doar câteva secunde pentru a configura un nou Space cu instanțe de lansare rapidă și mai puțin de 60 de secunde pentru a rula un Space. Spațiile sunt echipate cu setări predefinite pentru calcul și stocare, gestionate de administratori. Administratorii SageMaker Studio pot stabili presetări la nivel de domeniu pentru configurații de calcul, stocare și runtime. Această configurare vă permite să lansați rapid un spațiu nou cu efort minim, necesitând doar câteva clicuri. Aveți, de asemenea, opțiunea de a modifica configurațiile de calcul, stocare sau runtime ale unui Space pentru personalizare ulterioară.
Este important de reținut că crearea unui spațiu necesită actualizarea rolului de execuție a domeniului SageMaker cu o politică ca exemplul următor. Trebuie să acordați utilizatorilor permisiuni pentru spațiile private și profilurile de utilizator necesare pentru a accesa aceste spații private. Pentru instrucțiuni detaliate, consultați Oferiți utilizatorilor dvs. acces la spații private.
Pentru a crea un spațiu, parcurgeți următorii pași:
- În SageMaker Studio, alegeți laborator jupyter pe aplicatii meniu.
- Alege Creați spațiu JupyterLab.
- Pentru Nume si Prenume, introduceți un nume pentru spațiul dvs.
- Alege Creați spațiu.
- Alege Rulați spațiu pentru a lansa noul tău Space cu presetări implicite sau pentru a actualiza configurația în funcție de cerințele tale.
Reconfigurarea unui spațiu
Spațiile sunt concepute pentru ca utilizatorii să facă tranziția fără probleme între diferite tipuri de calcul, după cum este necesar. Puteți începe prin a crea un spațiu nou cu o configurație specifică, constând în principal din calcul și stocare. Dacă trebuie să treceți la un alt tip de calcul cu un număr mai mare sau mai mic de vCPU, mai multă sau mai puțină memorie sau o instanță bazată pe GPU în orice moment al fluxului de lucru, puteți face acest lucru cu ușurință. După ce opriți Space, îi puteți modifica setările folosind fie interfața de utilizare, fie API prin interfața SageMaker Studio actualizată și apoi reporniți Space. SageMaker Studio se ocupă automat de furnizarea spațiului dvs. existent la noua configurație, fără a necesita efort suplimentar din partea dvs.
Parcurgeți următorii pași pentru a edita un spațiu existent:
- Pe pagina cu detaliile spațiului, alegeți Opriți spațiul.
- Reconfigurați calcularea, stocarea sau timpul de execuție.
- Alege Rulați spațiu pentru a relansa spațiul.
Spațiul dvs. de lucru va fi actualizat cu noul tip de instanță de stocare și de calcul pe care l-ați solicitat.
Noua arhitectură SageMaker Studio JupyterLab
Echipa SageMaker Studio continuă să inventeze și să-și simplifice experiența de dezvoltator prin lansarea unei noi experiențe SageMaker Studio JupyterLab gestionate complet. Noua experiență SageMaker Studio JupyterLab combină tot ce este mai bun din ambele lumi: scalabilitatea și flexibilitatea SageMaker Studio Classic (vezi anexa de la sfârșitul acestei postări) cu stabilitatea și familiaritatea open source JupyterLab. Pentru a înțelege designul acestei noi experiențe JupyterLab, să ne aprofundăm în următoarea diagramă de arhitectură. Acest lucru ne va ajuta să înțelegem mai bine integrarea și caracteristicile acestei noi platforme JupyterLab Spaces.
Pe scurt, am făcut tranziția către o arhitectură localizată. În această nouă configurație, serverul Jupyter și procesele nucleului funcționează împreună într-un singur container Docker, găzduit pe aceeași instanță de calcul ML. Aceste instanțe ML sunt furnizate atunci când un spațiu rulează și sunt conectate cu un volum EBS care este creat când spațiul a fost creat inițial.
Această nouă arhitectură aduce mai multe beneficii; discutăm unele dintre acestea în secțiunile următoare.
Latență redusă și stabilitate crescută
SageMaker Studio a trecut la un model de rulare local, îndepărtându-se de modelul divizat anterior, unde codul a fost stocat pe o montură EFS și rulat de la distanță pe o instanță ML prin Kernel Gateway la distanță. În configurația anterioară, Kernel Gateway, un server web fără cap, a permis operațiunile kernel-ului prin comunicarea de la distanță cu nucleele Jupyter prin HTTPS/WSS. Acțiunile utilizatorului precum rularea codului, gestionarea notebook-urilor sau rularea comenzilor terminalului au fost procesate de o aplicație Kernel Gateway pe o instanță ML la distanță, Kernel Gateway facilitând aceste operațiuni peste ZeroMQ (ZMQ) într-un container Docker. Următoarea diagramă ilustrează această arhitectură.
Arhitectura actualizată JupyterLab rulează toate operațiunile nucleului direct pe instanța locală. Această abordare locală Jupyter Server oferă de obicei performanță îmbunătățită și arhitectură simplă. Minimizează latența și complexitatea rețelei, simplifică arhitectura pentru o depanare și întreținere mai ușoare, îmbunătățește utilizarea resurselor și găzduiește modele de mesagerie mai flexibile pentru o varietate de sarcini de lucru complexe.
În esență, această actualizare aduce notebook-urile și codul care rulează mult mai aproape de nuclee, reducând semnificativ latența și sporind stabilitatea.
Control îmbunătățit asupra stocării furnizate
SageMaker Studio Classic a folosit inițial Amazon EFS pentru a oferi stocare de fișiere partajată și persistentă pentru directoarele de acasă ale utilizatorilor din mediul SageMaker Studio. Această configurare vă permite să stocați central notebook-uri, scripturi și alte fișiere de proiect, accesibile în toate sesiunile și instanțele dvs. SageMaker Studio.
Odată cu cea mai recentă actualizare pentru SageMaker Studio, există o trecere de la stocarea bazată pe Amazon EFS la o soluție bazată pe Amazon EBS. Volumele EBS, furnizate cu SageMaker Studio Spaces, sunt volume GP3 conceput pentru a oferi o performanță de bază consistentă de 3,000 IOPS, independent de dimensiunea volumului. Această nouă stocare Amazon EBS oferă performanțe mai mari pentru sarcini intensive I/O, cum ar fi formarea modelelor, procesarea datelor, calculul de înaltă performanță și vizualizarea datelor. Această tranziție oferă, de asemenea, administratorilor SageMaker Studio o mai bună perspectivă și control asupra utilizării spațiului de stocare de către profilurile de utilizator dintr-un domeniu sau din SageMaker. Acum puteți seta implicit (DefaultEbsVolumeSizeInGb
) și maxim (MaximumEbsVolumeSizeInGb
) dimensiunile de stocare pentru JupyterLab Spaces în cadrul fiecărui profil de utilizator.
Pe lângă performanța îmbunătățită, aveți posibilitatea de a redimensiona flexibil volumul de stocare atașat instanței de calcul ML a Space, modificând setarea Space, fie utilizând acțiunea UI, fie API din interfața dvs. SageMaker Studio, fără a necesita nicio acțiune de administrare. Cu toate acestea, rețineți că puteți edita dimensiunile volumului EBS doar într-o singură direcție — după ce creșteți dimensiunea volumului EBS al spațiului, nu îl veți putea reduce înapoi.
SageMaker Studio oferă acum un control ridicat asupra stocării furnizate pentru administratori:
- Administratorii SageMaker Studio pot gestiona dimensiunile volumului EBS pentru profilurile de utilizator. Aceste volume JupyterLab EBS pot varia de la un minim de 5 GB la un maxim de 16 TB. Următorul fragment de cod arată cum să creați sau să actualizați un profil de utilizator cu setările implicite și pentru spațiul maxim:
- SageMaker Studio oferă acum o funcție îmbunătățită de etichetare automată pentru resursele Amazon EBS, etichetând automat volumele create de utilizatori cu informații despre domeniu, utilizator și spațiu. Acest progres simplifică analiza alocării costurilor pentru resursele de stocare, ajutând administratorii să gestioneze și să atribuie costurile mai eficient. De asemenea, este important să rețineți că aceste volume EBS sunt găzduite în contul de serviciu, astfel încât nu veți avea vizibilitate directă. Cu toate acestea, utilizarea stocării și costurile asociate sunt direct legate de ARN-ul de domeniu, ARN-ul profilului de utilizator și ARN-ul spațiului, facilitând alocarea simplă a costurilor.
- Administratorii pot controla, de asemenea, criptarea volumelor EBS ale unui Space, în repaus, folosind chei gestionate de client (CMK).
Închiriere partajată cu sistemul de fișiere EFS aduceți-vă propriul
Fluxurile de lucru ML sunt de obicei colaborative, necesitând partajarea eficientă a datelor și a codului între membrii echipei. Noul SageMaker Studio îmbunătățește acest aspect colaborativ, permițându-vă să partajați date, cod și alte artefacte printr-un aduceți-vă propriul sistem de fișiere EFS. Această unitate EFS poate fi configurată independent de SageMaker sau poate fi o resursă Amazon EFS existentă. După ce este furnizat, poate fi montat fără probleme pe profilurile utilizatorului SageMaker Studio. Această caracteristică nu este restricționată la profilurile de utilizator dintr-un singur domeniu - se poate extinde peste domenii, atâta timp cât acestea se află în aceeași regiune.
Următorul exemplu de cod vă arată cum să creați un domeniu și să atașați un volum EFS existent la acesta folosindu-l asociat fs-id
. Volumele EFS pot fi atașate unui domeniu la nivel de rădăcină sau prefix, după cum demonstrează următoarele comenzi:
Când o montură EFS este disponibilă într-un domeniu și profilurile de utilizator aferente acestuia, puteți alege să o atașați la un spațiu nou. Acest lucru se poate face folosind fie interfața de utilizare SageMaker Studio, fie o acțiune API, așa cum se arată în exemplul următor. Este important de reținut că atunci când un spațiu este creat cu un sistem de fișiere EFS care este furnizat la nivel de domeniu, spațiul își moștenește proprietățile. Aceasta înseamnă că, dacă sistemul de fișiere este furnizat la un nivel rădăcină sau prefix în cadrul domeniului, aceste setări se vor aplica automat spațiului creat de utilizatorii domeniului.
După ce îl montați pe un spațiu, puteți găsi toate fișierele aflate deasupra punctului de montare furnizat de administrator. Aceste fișiere pot fi găsite în calea directorului /mnt/custom-file-system/efs/fs-12345678
.
EFS monturi face este simplu de partajat artefacte între spațiul unui utilizator sau între mai mulți utilizatori sau peste domenii, făcându-l ideal pentru sarcini de lucru colaborative. Cu această caracteristică, puteți face următoarele:
- Distribuiți date – Monturile EFS sunt ideale pentru stocarea seturilor mari de date cruciale pentru experimentele de știință a datelor. Proprietarii de seturi de date pot încărca aceste monturi cu seturi de date de instruire, validare și testare, făcându-le accesibile profilurilor de utilizator dintr-un domeniu sau pe mai multe domenii. Administratorii SageMaker Studio pot integra, de asemenea, monturile EFS ale aplicațiilor existente, menținând în același timp conformitatea cu politicile de securitate organizaționale. Acest lucru se realizează prin montare flexibilă la nivel de prefix. De exemplu, dacă datele de producție și de testare sunt stocate pe aceeași montură EFS (cum ar fi
fs-12345678:/data/prod and fs-12345678:/data/test
), montaj/data/test
pe profilurile de utilizator ale domeniului SageMaker le oferă utilizatorilor acces numai la setul de date de testare. Această configurație permite analiza sau instruirea modelului, păstrând în același timp datele de producție în siguranță și inaccesibile. - Partajați codul – Monturile EFS facilitează partajarea rapidă a artefactelor de cod între profilurile de utilizator. În scenariile în care utilizatorii trebuie să partajeze rapid mostre de cod sau să colaboreze la o bază de cod comună fără complexitatea comenzilor frecvente git push/pull, monturile EFS partajate sunt extrem de benefice. Ele oferă o modalitate convenabilă de a partaja artefacte de cod în curs de desfășurare în cadrul unei echipe sau între diferite echipe în SageMaker Studio.
- Partajați medii de dezvoltare – Monturile EFS partajate pot servi și ca mijloc de diseminare rapidă a mediilor sandbox în rândul utilizatorilor și echipelor. Monturile EFS oferă o alternativă solidă pentru partajarea mediilor Python precum conda sau virtualenv în mai multe spații de lucru. Această abordare eludează nevoia de distribuire
requirements.txt
orenvironment.yml
fișiere, care pot duce adesea la sarcina repetitivă de a crea sau recrea medii în diferite profiluri de utilizator.
Aceste caracteristici îmbunătățesc semnificativ capacitățile de colaborare din SageMaker Studio, făcând echipelor să lucreze împreună eficient la proiecte complexe de ML. În plus, Editorul de coduri bazat pe Code-OSS (Visual Studio Code Open Source) împărtășește aceleași principii arhitecturale ca experiența JupyterLab menționată mai sus. Această aliniere aduce mai multe avantaje, cum ar fi latența redusă, stabilitatea îmbunătățită și controlul administrativ îmbunătățit și permite accesul utilizatorilor la spații de lucru partajate, similare cu cele oferite în JupyterLab Spaces.
Instrumente generative bazate pe inteligență artificială pe JupyterLab Spaces
Inteligența artificială generativă, un domeniu în evoluție rapidă în inteligența artificială, folosește algoritmi pentru a crea conținut nou, cum ar fi text, imagini și cod, din date extinse existente. Această tehnologie a revoluționat codificarea prin automatizarea sarcinilor de rutină, generând structuri complexe de cod și oferind sugestii inteligente, simplificând astfel dezvoltarea și încurajând creativitatea și rezolvarea problemelor în programare. Fiind un instrument indispensabil pentru dezvoltatori, IA generativă îmbunătățește productivitatea și stimulează inovația în industria tehnologică. SageMaker Studio îmbunătățește această experiență de dezvoltator cu instrumente preinstalate precum Amazon CodeWhisperer și Jupyter AI, folosind AI generativă pentru a accelera ciclul de viață al dezvoltării.
Amazon Code Whisperer
Amazon CodeWhisperer este un asistent de programare care îmbunătățește productivitatea dezvoltatorilor prin recomandări și soluții de cod în timp real. Fiind un serviciu AI gestionat de AWS, este integrat perfect în SageMaker Studio JupyterLab IDE. Această integrare face din Amazon CodeWhisperer un plus fluid și valoros la fluxul de lucru al dezvoltatorului.
Amazon CodeWhisperer excelează în creșterea eficienței dezvoltatorilor prin automatizarea sarcinilor comune de codare, sugerând modele de codare mai eficiente și scăzând timpul de depanare. Acesta servește ca instrument esențial atât pentru programatorii începători, cât și pentru cei experimentați, oferind informații despre cele mai bune practici, accelerând procesul de dezvoltare și îmbunătățind calitatea generală a codului. Pentru a începe să utilizați Amazon CodeWhisperer, asigurați-vă că Reluați sugestiile automate caracteristica este activată. Puteți invoca manual sugestii de cod folosind tastatură comenzi rapide.
Ca alternativă, scrieți un comentariu care descrie funcția de cod dorită și începeți codarea; Amazon CodeWhisperer va începe să ofere sugestii.
Rețineți că, deși Amazon CodeWhisperer este preinstalat, trebuie să aveți codewhisperer:GenerateRecommendations
permisiunea ca parte a rolului de execuție pentru a primi recomandări de cod. Pentru detalii suplimentare, consultați Utilizarea CodeWhisperer cu Amazon SageMaker Studio. Când utilizați Amazon CodeWhisperer, AWS poate, în scopul îmbunătățirii serviciilor, să stocheze date despre utilizarea și conținutul dvs. Pentru a renunța la Amazon CodeWhisperer politica de partajare a datelor, puteți naviga la reglaj opțiunea din meniul de sus, apoi navigați la Editor de setări și dezactivați Partajați datele de utilizare cu Amazon CodeWhisperer din meniul de setări Amazon CodeWhisperer.
Jupyter AI
Jupyter AI este un instrument open source care aduce AI generativă la notebook-urile Jupyter, oferind o platformă robustă și ușor de utilizat pentru explorarea modelelor AI generative. Îmbunătățește productivitatea în JupyterLab și Jupyter Notebook-uri, oferind funcții precum magia %%ai pentru crearea unui loc de joacă AI generativ în interiorul notebook-urilor, o interfață de utilizare nativă de chat în JupyterLab pentru interacțiunea cu AI ca asistent conversațional și suport pentru o gamă largă de limbaje. furnizori de modele (LLM) precum AI21, Anthropic, Cohere și Hugging Face sau servicii gestionate precum Amazon Bedrock și punctele finale SageMaker. Această integrare oferă metode mai eficiente și inovatoare pentru analiza datelor, ML și sarcini de codare. De exemplu, puteți interacționa cu un LLM care cunoaște domeniul utilizând interfața de chat Jupyternaut pentru ajutor cu procese și fluxuri de lucru sau puteți genera exemplu de cod prin CodeLlama, găzduit pe punctele finale SageMaker. Acest lucru îl face un instrument valoros pentru dezvoltatori și oamenii de știință de date.
Jupyter AI oferă un selecție extinsă de modele de limbaj gata de utilizare imediat din cutie. În plus, modelele personalizate sunt acceptate și prin punctele finale SageMaker, oferind flexibilitate și o gamă largă de opțiuni pentru utilizatori. De asemenea, oferă suport pentru încorporarea modelelor, permițându-vă să efectuați comparații și teste în linie și chiar să creați sau să testați aplicații ad-hoc Retrieval Augmented Generation (RAG).
Jupyter AI poate acționa ca asistent de chat, ajutându-vă cu mostre de cod, oferindu-vă răspunsuri la întrebări și multe altele.
Puteți folosi AI Jupyter %%ai
magic pentru a genera cod eșantion în interiorul notebook-ului, așa cum se arată în următoarea captură de ecran.
JupyterLab 4.0
Echipa JupyterLab a lansat versiunea 4.0, oferind îmbunătățiri semnificative ale performanței, funcționalității și experienței utilizatorului. Informații detaliate despre această versiune sunt disponibile în oficial Documentația JupyterLab.
Această versiune, acum standard în SageMaker Studio JupyterLab, introduce performanțe optimizate pentru gestionarea notebook-urilor mari și operațiuni mai rapide, datorită îmbunătățirilor precum optimizarea regulilor CSS și adoptarea CodeMirror 6 și MathJax 3. Îmbunătățirile cheie includ un editor de text îmbunătățit, cu accesibilitate și personalizare mai bune. , un nou manager de extensii pentru instalarea ușoară a extensiilor Python și capabilități îmbunătățite de căutare a documentelor cu funcții avansate. În plus, versiunea 4.0 aduce îmbunătățiri ale interfeței de utilizare, îmbunătățiri ale accesibilității și actualizări ale instrumentelor de dezvoltare, iar anumite funcții au fost portate înapoi la JupyterLab 3.6.
Concluzie
Progresele din SageMaker Studio, în special cu noua experiență JupyterLab, marchează un salt înainte semnificativ în dezvoltarea ML. Interfața de utilizare SageMaker Studio actualizată, cu integrarea sa a JupyterLab, Code Editor și RStudio, oferă un mediu raționalizat de neegalat pentru dezvoltatorii ML. Introducerea JupyterLab Spaces oferă flexibilitate și ușurință în personalizarea resurselor de calcul și stocare, sporind eficiența generală a fluxurilor de lucru ML. Trecerea de la o arhitectură a nucleului la distanță la un model localizat în JupyterLab crește foarte mult stabilitatea, scăzând în același timp latența de pornire. Acest lucru are ca rezultat o experiență de codare mai rapidă, mai stabilă și mai receptivă. În plus, integrarea instrumentelor AI generative precum Amazon CodeWhisperer și Jupyter AI în JupyterLab dă putere dezvoltatorilor, permițându-vă să utilizați AI pentru asistență la codificare și rezolvarea inovatoare a problemelor. Controlul îmbunătățit asupra stocării furnizate și abilitatea de a partaja codul și datele fără efort prin intermediul suporturilor EFS autogestionate facilitează foarte mult proiectele de colaborare. În cele din urmă, lansarea JupyterLab 4.0 în cadrul SageMaker Studio subliniază aceste îmbunătățiri, oferind performanță optimizată, accesibilitate mai bună și o interfață mai ușor de utilizat, solidificând astfel rolul JupyterLab ca piatră de temelie a dezvoltării ML eficiente și eficiente în peisajul tehnologic modern.
Încercați SageMaker Studio JupyterLab Spaces cu ajutorul nostru caracteristică rapidă la bord, care vă permite să creați un domeniu nou pentru utilizatori individuali în câteva minute. Împărtășește-ți gândurile în secțiunea de comentarii!
Anexă: Arhitectura gateway-ului kernel-ului SageMaker Studio Classic
A SageMaker Classic domeniul este o agregare logică a unui volum EFS, o listă de utilizatori autorizați să acceseze domeniul și configurații legate de securitate, aplicație, rețea și multe altele. În arhitectura SageMaker Studio Classic a SageMaker, fiecare utilizator din domeniul SageMaker are un profil de utilizator distinct. Acest profil cuprinde detalii specifice, cum ar fi rolul utilizatorului și ID-ul utilizatorului Posix din volumul EFS, printre alte date unice. Utilizatorii își accesează profilul individual de utilizator printr-o aplicație Jupyter Server dedicată, conectată prin HTTPS/WSS în browserul lor web. SageMaker Studio Classic utilizează o arhitectură de nucleu la distanță folosind o combinație de tipuri de aplicații Jupyter Server și Kernel Gateway, permițând serverelor de notebook-uri să interacționeze cu nucleele de pe gazde la distanță. Aceasta înseamnă că nucleele Jupyter nu operează pe gazda serverului de notebook-uri, ci în containerele Docker pe gazde separate. În esență, notebook-ul dvs. este stocat în directorul principal EFS și rulează cod de la distanță pe un alt Cloud Elastic de calcul Amazon (Amazon EC2), care găzduiește un container Docker prefabricat, echipat cu biblioteci ML, cum ar fi PyTorch, TensorFlow, Scikit-Learn și multe altele.
Arhitectura nucleului de la distanță din SageMaker Studio oferă beneficii notabile în ceea ce privește scalabilitatea și flexibilitatea. Cu toate acestea, are limitările sale, inclusiv maximum patru aplicații pe tip de instanță și potențiale blocaje din cauza numeroaselor conexiuni HTTPS/WSS la un tip comun de instanță EC2. Aceste limitări ar putea afecta negativ experiența utilizatorului.
Următoarea diagramă de arhitectură ilustrează arhitectura SageMaker Studio Classic. Acesta ilustrează procesul utilizatorului de conectare la o aplicație Kernel Gateway printr-o aplicație Jupyter Server, folosind browser-ul web preferat.
Despre autori
Pranav Murthy este arhitect specializat în soluții AI/ML la AWS. El se concentrează pe a ajuta clienții să construiască, să antreneze, să implementeze și să migreze sarcinile de lucru de învățare automată (ML) către SageMaker. El a lucrat anterior în industria semiconductoarelor, dezvoltând modele de viziune computerizată (CV) și procesare a limbajului natural (NLP) pentru a îmbunătăți procesele semiconductoare folosind tehnici de ML de ultimă generație. În timpul liber, îi place să joace șah și să călătorească. Puteți găsi Pranav pe LinkedIn.
Kunal Jha este Senior Product Manager la AWS. El se concentrează pe construirea Amazon SageMaker Studio ca cea mai bună alegere din clasă pentru dezvoltarea ML end-to-end. În timpul liber, lui Kunal îi place să schieze și să exploreze nord-vestul Pacificului. Îl poți găsi pe LinkedIn.
Majisha Namath Parambath este inginer software senior la Amazon SageMaker. Ea este la Amazon de peste 8 ani și în prezent lucrează la îmbunătățirea experienței Amazon SageMaker Studio end-to-end.
Bharat Nandamuri este inginer software senior care lucrează pe Amazon SageMaker Studio. El este pasionat de construirea de servicii backend la scară mare, cu accent pe Inginerie pentru sisteme ML. În afara serviciului, îi place să joace șah, să facă drumeții și să se uite la filme.
Derek Lause este inginer software la AWS. El se angajează să ofere valoare clienților prin Amazon SageMaker Studio și Notebook Instances. În timpul liber, lui Derek îi place să petreacă timpul cu familia și prietenii și să facă drumeții. Îl poți găsi pe Derek LinkedIn.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/boost-productivity-on-amazon-sagemaker-studio-introducing-jupyterlab-spaces-and-generative-ai-tools/
- :are
- :este
- :nu
- :Unde
- $UP
- 000
- 100
- 11
- 12
- 16
- 25
- 60
- 7
- 8
- a
- capacitate
- Capabil
- Despre Noi
- mai sus
- accelera
- accelerarea
- acces
- accesibilitate
- accesibil
- accesarea
- Cont
- peste
- act
- Acțiune
- acțiuni
- activ
- Acte
- Ad
- plus
- Suplimentar
- În plus,
- administrare
- administrativ
- administratori
- Adoptare
- avansat
- avansare
- progresele
- Avantajele
- afecta
- După
- agregare
- AI
- Modele AI
- AI-alimentat
- AI / ML
- algoritmi
- aliniere
- TOATE
- alocare
- permite
- permite
- pe langa
- de asemenea
- alternativă
- Cu toate ca
- Amazon
- Amazon Code Whisperer
- Amazon EC2
- Amazon SageMaker
- Amazon SageMaker Studio
- Amazon Web Services
- printre
- an
- analiză
- și
- răspunsuri
- Antropică
- Orice
- oriunde
- api
- aplicaţia
- aplicație
- Aplică
- abordare
- Apps
- arhitectural
- arhitectură
- SUNT
- Mulțime
- Artă
- artificial
- inteligență artificială
- AS
- aspect
- Asistență
- Asistent
- asociate
- At
- atașa
- augmented
- autor
- autorizat
- în mod automat
- automatizarea
- disponibil
- departe
- AWS
- înapoi
- Backend
- de bază
- bazat
- De bază
- BE
- fost
- începe
- începător
- benefică
- Beneficiile
- CEL MAI BUN
- Cele mai bune practici
- Mai bine
- între
- Bloca
- a stimula
- stimularea
- atât
- blocaje
- Cutie
- Aduce
- larg
- browser-ul
- construi
- Clădire
- dar
- by
- Cache
- denumit
- CAN
- capacități
- Centru
- sigur
- Şah
- alegere
- Alege
- clasic
- mai aproape
- cod
- baza codului
- Codificare
- colabora
- colaborativ
- combinaţie
- combină
- comentariu
- comentarii
- comise
- Comun
- Comunicare
- tovarăş
- comparații
- Completă
- complex
- complexități
- complexitate
- conformitate
- cuprinzător
- Calcula
- calculator
- Computer Vision
- tehnica de calcul
- concept
- condiție
- Configuraţie
- configurat
- legat
- Conectarea
- Conexiuni
- consistent
- consecvent
- Constând
- Recipient
- Containere
- conţinut
- continua
- continuă
- Control
- Convenabil
- de conversaţie
- piatră de temelie
- A costat
- Cheltuieli
- ar putea
- acoperi
- crea
- a creat
- Crearea
- creativitate
- crucial
- CSS
- În prezent
- personalizat
- client
- clienţii care
- personalizare
- personaliza
- de date
- analiza datelor
- de prelucrare a datelor
- știința datelor
- vizualizarea datelor
- seturi de date
- dedicat
- Mod implicit
- livra
- se îngropa
- demonstra
- implementa
- Implementarea
- Derek
- descriind
- Amenajări
- proiectat
- detaliat
- detalii
- Dezvoltator
- Dezvoltatorii
- în curs de dezvoltare
- Dezvoltare
- instrumente de dezvoltare
- diferit
- direcționa
- direct
- directoare
- discuta
- distinct
- distribuire
- distribuire
- do
- Docher
- document
- domeniu
- domenii
- făcut
- jos
- conduce
- unități
- două
- fiecare
- Mai devreme
- uşura
- mai ușor
- uşor
- editor
- efect
- Eficace
- în mod eficient
- eficiență
- eficient
- eficient
- efort
- fără efort
- efort
- oricare
- elevat
- Încorporarea
- împuternici
- imputerniceste
- permite
- activat
- permite
- permițând
- , acoperă
- criptare
- capăt
- un capăt la altul
- inginer
- Inginerie
- spori
- sporită
- îmbunătățiri
- Îmbunătăţeşte
- consolidarea
- asigură
- Intrați
- Mediu inconjurator
- medii
- echipat
- esenţă
- esenţial
- stabili
- Chiar
- evoluție
- exemplu
- execuție
- existent
- experienţă
- experimente
- Explica
- Explorarea
- extinde
- extensie
- extensii
- extensiv
- suplimentar
- Față
- facilita
- facilitând
- fals
- Familiaritate
- familie
- FAST
- mai repede
- Caracteristică
- DESCRIERE
- Dispunând
- puțini
- camp
- Fișier
- Fişiere
- Găsi
- Flexibilitate
- flexibil
- în mod flexibil
- lichid
- Concentra
- concentrat
- se concentrează
- următor
- Pentru
- Înainte
- promovarea
- găsit
- patru
- Gratuit
- frecvent
- Prietenii lui
- din
- complet
- funcţie
- funcționalitate
- mai mult
- poartă
- genera
- generator
- generaţie
- generativ
- AI generativă
- merge
- oferă
- Go
- acordarea
- subvenții
- înţelege
- mai mare
- foarte mult
- Mânere
- Manipularea
- Avea
- he
- ajutor
- ajutor
- Înalt
- performanta ridicata
- superior
- extrem de
- -l
- lui
- Acasă
- gazdă
- găzduit
- Gazdele
- case
- Cum
- Cum Pentru a
- Totuși
- HTML
- http
- HTTPS
- ID
- ideal
- if
- ilustrează
- ilustrând
- imagini
- important
- important
- îmbunătăţi
- îmbunătățit
- îmbunătățire
- îmbunătățiri
- îmbunătățirea
- in
- inaccesibil
- include
- include
- Inclusiv
- Crește
- a crescut
- Creșteri
- crescând
- independent
- independent
- individ
- industrie
- informații
- inițial
- Inovaţie
- inovatoare
- în interiorul
- înţelegere
- perspective
- instalare
- instanță
- instrucțiuni
- integra
- integrate
- integrare
- Inteligență
- Inteligent
- destinate
- interacţiona
- interacționând
- interfaţă
- în
- introduce
- introdus
- Prezintă
- introducerea
- Introducere
- IT
- ESTE
- jpg
- doar
- păstrare
- Cheie
- chei
- etichetarea
- peisaj
- limbă
- mare
- în cele din urmă
- Latență
- Ultimele
- lansa
- a lansat
- lansare
- conduce
- Salt
- învăţare
- mai puțin
- Nivel
- biblioteci
- ciclu de viață
- ca
- limitări
- legate de
- Listă
- LLM
- încărca
- local
- situat
- logic
- Lung
- Uite
- LOWER
- maşină
- masina de învățare
- făcut
- magie
- Mentine
- întreținere
- face
- FACE
- Efectuarea
- administra
- gestionate
- manager
- de conducere
- manual
- marca
- maxim
- Mai..
- mijloace
- Membri actuali
- Memorie
- Meniu
- mesagerie
- Metode
- migra
- minim
- minimizează
- minim
- minute
- ML
- model
- Modele
- Modern
- modifica
- mai mult
- mai eficient
- În plus
- cele mai multe
- MOUNT
- Filme
- în mişcare
- mult
- multiplu
- trebuie sa
- nume
- nativ
- Natural
- Procesarea limbajului natural
- Navigaţi
- necesar
- Nevoie
- necesar
- negativ
- reţea
- rețele
- Nou
- nlp
- Nu.
- notabil
- nota
- caiet
- acum
- numeroși
- of
- oferi
- oferit
- oferind
- promoții
- oficial
- de multe ori
- on
- bord
- ONE
- afară
- pe
- deschide
- open-source
- funcionar
- Operațiuni
- optimizare
- optimizate
- Opțiune
- Opţiuni
- or
- de organizare
- iniţial
- Altele
- al nostru
- afară
- exterior
- peste
- global
- propriu
- Proprietarii
- Pacific
- pagină
- parte
- în special
- pasionat
- cale
- modele
- pauză
- pentru
- Efectua
- performanță
- permisiune
- permisiuni
- platformă
- Plato
- Informații despre date Platon
- PlatoData
- loc de joaca
- joc
- Punct
- Politicile
- Politica
- Post
- potenţial
- practicile
- preferat
- pregătirea
- precedent
- în prealabil
- în primul rând
- Principiile
- privat
- de rezolvare a problemelor
- proces
- Procesat
- procese
- prelucrare
- Produs
- manager de produs
- producere
- productivitate
- Profil
- Profiluri
- Programare
- proiect
- Proiecte
- proprietăţi
- furniza
- furnizori
- furnizează
- furnizarea
- scopuri
- Piton
- pirtorh
- calitate
- Întrebări
- Rapid
- mai repede
- repede
- gamă
- repede
- gata
- în timp real
- a primi
- Recomandări
- Redus
- reducerea
- trimite
- Fără deosebire
- regiune
- legate de
- relansare
- eliberaţi
- eliberat
- rămășițe
- la distanta
- departe
- repetitiv
- reprezentare
- reprezintă
- Cerinţe
- Necesită
- resursă
- Resurse
- sensibil
- REST
- repornit
- limitat
- rezultând
- REZULTATE
- relua
- revoluționat
- dreapta
- robust
- Rol
- rădăcină
- rutină
- Regula
- Alerga
- funcţionare
- ruleaza
- Runtime
- sagemaker
- acelaşi
- nisip
- scalabilitate
- Scară
- scenarii
- Ştiinţă
- oamenii de stiinta
- scikit-learn
- script-uri
- fără sudură
- perfect
- Caută
- condimentată
- secunde
- secțiuni
- sigur
- securitate
- politicile de securitate
- vedea
- semiconductor
- senior
- distinct
- servi
- serverul
- Servere
- servește
- serviciu
- Servicii
- sesiune
- Sesiunile
- set
- instalare
- setări
- configurarea
- câteva
- Distribuie
- comun
- Acțiuni
- partajarea
- ea
- schimbare
- indicat
- Emisiuni
- semnificativ
- semnificativ
- asemănător
- Simplifică
- simplifica
- singur
- Mărimea
- dimensiuni
- fragment
- So
- Software
- Inginer Software
- solid
- solidificatoare
- soluţie
- soluţii
- unele
- Sursă
- Spaţiu
- spații
- specialist
- specific
- Cheltuire
- Rotire
- împărţi
- Stabilitate
- stabil
- standard
- Începe
- lansare
- Stat
- Declarație
- Statele
- Pas
- paşi
- Stop
- oprit
- depozitare
- stoca
- stocate
- stocarea
- simplu
- raționalizate
- raționalizarea
- structurile
- studio
- astfel de
- REZUMAT
- a sustine
- Suportat
- sigur
- Intrerupator
- sistem
- sisteme
- Lua
- ia
- Sarcină
- sarcini
- echipă
- Membrii echipei
- echipe
- tech
- industria tehnologiei
- tehnici de
- Tehnologia
- tensorflow
- Terminal
- termeni
- test
- teste
- a) Sport and Nutrition Awareness Day in Manasia Around XNUMX people from the rural commune Manasia have participated in a sports and healthy nutrition oriented activity in one of the community’s sports ready yards. This activity was meant to gather, mainly, middle-aged people from a Romanian rural community and teach them about the benefits that sports have on both their mental and physical health and on how sporting activities can be used to bring people from a community closer together. Three trainers were made available for this event, so that the participants would get the best possible experience physically and so that they could have the best access possible to correct information and good sports/nutrition practices. b) Sports Awareness Day in Poiana Țapului A group of young participants have taken part in sporting activities meant to teach them about sporting conduct, fairplay, and safe physical activities. The day culminated with a football match.
- decât
- mulțumesc
- acea
- lor
- Lor
- apoi
- Acolo.
- astfel
- Acestea
- ei
- acest
- aceste
- Prin
- timp
- la
- împreună
- instrument
- Unelte
- top
- față de
- Tren
- Pregătire
- tranziţie
- Tranziționat
- Traveling
- adevărat
- încerca
- ton
- tip
- Tipuri
- tipic
- ui
- subliniere
- înţelege
- unic
- incomparabil
- până la
- Actualizează
- actualizat
- actualizări
- actualizarea
- upgrade-ul
- modernizate
- us
- Folosire
- utilizare
- utilizat
- Utilizator
- Experiența de utilizare
- ușor de utilizat
- utilizatorii
- utilizări
- folosind
- validare
- Valoros
- valoare
- varietate
- diverse
- versiune
- de
- vizibilitate
- viziune
- vizual
- vizualizare
- volum
- volume
- a fost
- vizionarea
- Cale..
- we
- web
- browser web
- server de web
- servicii web
- bazat pe web
- au fost
- cand
- oricând
- dacă
- care
- în timp ce
- OMS
- larg
- voi
- dori
- cu
- în
- fără
- Apartamente
- lucram impreuna
- a lucrat
- flux de lucru
- fluxuri de lucru
- de lucru
- lume
- scrie
- ani
- Tu
- Ta
- zephyrnet