Amazon SageMaker Stüdyosu makine öğrenimi (ML) için ilk tam entegre geliştirme ortamıdır (IDE). Studio, verileri hazırlamak, modelleri oluşturmak, eğitmek ve dağıtmak için gereken tüm makine öğrenimi geliştirme adımlarını gerçekleştirebileceğiniz tek bir web tabanlı görsel arabirim sağlar. Yaşam döngüsü yapılandırmaları yeni bir Studio not defteri başlatmak gibi Studio yaşam döngüsü olayları tarafından tetiklenen kabuk betikleridir. Studio ortamınız için özelleştirmeyi otomatikleştirmek üzere yaşam döngüsü yapılandırmalarını kullanabilirsiniz. Bu özelleştirme, özel paketlerin yüklenmesini, not defteri uzantılarının yapılandırılmasını, veri kümelerinin önceden yüklenmesini ve kaynak kodu havuzlarının kurulmasını içerir. Örneğin, bir Studio alanının yöneticisi olarak şunları yapmak isteyebilirsiniz: Uzun süre işlem yapılmadığında dizüstü bilgisayar uygulamalarının otomatik olarak kapanmasını sağlayarak maliyetlerden tasarruf edin.
The AWS Bulut Geliştirme Kiti (AWS CDK), bulut altyapısını kod aracılığıyla tanımlamaya ve AWS CloudFormation yığınlar. Yığın, program aracılığıyla güncellenebilen, taşınabilen veya silinebilen bir AWS kaynakları koleksiyonudur. AWS CDK'sı yapılar bulut mimarilerini tanımlama planını temsil eden AWS CDK uygulamalarının yapı taşlarıdır.
Bu gönderide, Studio'yu kurmak, Studio yaşam döngüsü yapılandırmalarını kullanmak ve kuruluşunuzdaki veri bilimcileri ve geliştiriciler için erişimini etkinleştirmek için AWS CDK'nın nasıl kullanılacağını gösteriyoruz.
Çözüme genel bakış
Yaşam döngüsü yapılandırmalarının modülerliği, bunları bir etki alanındaki tüm kullanıcılara veya belirli kullanıcılara uygulamanıza olanak tanır. Bu şekilde, yaşam döngüsü yapılandırmaları ayarlayabilir ve Studio'da bunlara başvurabilirsiniz. çekirdek ağ geçidi veya Jüpyter sunucusu hızlı ve tutarlı. Çekirdek ağ geçidi, bir not defteri örneğiyle etkileşime girmek için giriş noktasıdır, Jupyter sunucusu ise Studio örneğini temsil eder. Bu, DevOps'un en iyi uygulamalarını uygulamanıza ve tüm AWS hesaplarında ve Bölgelerinde güvenlik, uyumluluk ve yapılandırma standartlarını karşılamanıza olanak tanır. Bu gönderi için ana dil olarak Python kullanıyoruz, ancak kod AWS CDK tarafından desteklenen diğer dillere kolayca değiştirilebilir. Daha fazla bilgi için bkz. AWS CDK ile çalışma.
Önkoşullar
Başlamak için aşağıdaki ön koşullara sahip olduğunuzdan emin olun:
GitHub deposunu klonlayın
İlk olarak, clone the GitHub deposu.
Depoyu klonlarken, dizine sahip klasik bir AWS CDK projemiz olduğunu gözlemleyebilirsiniz. studio-lifecycle-config-construct
yaşam döngüsü yapılandırmaları oluşturmak için gereken yapıyı ve kaynakları içerir.
AWS CDK yapıları
İncelemek istediğimiz dosya aws_sagemaker_lifecycle.py
. Bu dosya şunları içerir: SageMakerStudioLifeCycleConfig
yaşam döngüsü yapılandırmaları oluşturmak ve oluşturmak için kullandığımız yapı.
The SageMakerStudioLifeCycleConfig
yapı, özel bir yapılandırma kullanarak yaşam döngüsü yapılandırmaları oluşturmak için çerçeve sağlar. AWS Lambda işlev ve kabuk kodu bir dosyadan okunur. Yapı aşağıdaki parametreleri içerir:
- ID – Geçerli projenin adı.
- studio_lifecycle_content - base64 kodlanmış içerik
- studio_lifecycle_tags – Amazon kaynaklarını düzenlemek için atadığınız etiketler. Anahtar/değer çiftleri olarak girilirler ve bu yapılandırma için isteğe bağlıdırlar.
- studio_lifecycle_config_app_type -
JupyterServer
benzersiz sunucunun kendisi içindir veKernelGateway
app, çalışan bir SageMaker görüntü kapsayıcısına karşılık gelir.
Studio dizüstü bilgisayar mimarisi hakkında daha fazla bilgi için bkz. Amazon SageMaker Studio Notebooks mimarisinin derinliklerine dalın.
Aşağıda, Studio yaşam döngüsü yapılandırma yapısının bir kod parçacığı yer almaktadır (aws_sagemaker_lifecycle.py
):
Yapıyı içe aktarıp yükledikten sonra onu kullanabilirsiniz. Aşağıdaki kod parçacığı, bir yığındaki yapıyı kullanarak bir yaşam döngüsü yapılandırmasının nasıl oluşturulacağını gösterir. app.py
veya başka bir yapı:
AWS CDK yapılarını dağıtın
AWS CDK yığınınızı dağıtmak için depoyu klonladığınız konumda aşağıdaki komutları çalıştırın.
komut olabilir python
yerine python3
yol yapılandırmalarınıza bağlı olarak.
- Sanal bir ortam oluşturun:
- macOS/Linux için şunu kullanın:
python3 -m venv .cdk-venv
. - Windows için kullanın
python3 -m venv .cdk-venv
.
- macOS/Linux için şunu kullanın:
- Sanal ortamı etkinleştirin:
- macOS/Linux için şunu kullanın:
source .cdk-venvbinactivate
. - Windows için kullanın
.cdk-venv/Scripts/activate.bat
. - PowerShell için kullanın
.cdk-venv/Scripts/activate.ps1
.
- macOS/Linux için şunu kullanın:
- Gerekli bağımlılıkları yükleyin:
pip install -r requirements.txt
pip install -r requirements-dev.txt
- Bu noktada isteğe bağlı olarak bu kod için CloudFormation şablonunu sentezleyebilirsiniz:
- Çözümü aşağıdaki komutlarla dağıtın:
aws configure
cdk bootstrap
cdk deploy
Yığın başarıyla konuşlandırıldığında, yığını CloudFormation konsolunda görüntüleyebilmeniz gerekir.
Ayrıca yaşam döngüsü yapılandırmasını SageMaker konsolunda görebileceksiniz.
Çalışan kabuk kodunu ve atadığınız tüm etiketleri görüntülemek için yaşam döngüsü yapılandırmasını seçin.
Studio yaşam döngüsü yapılandırmasını ekleyin
Bir yaşam döngüsü yapılandırması eklemenin birden çok yolu vardır. Bu bölümde iki yöntem sunuyoruz: AWS Yönetim Konsoluve sağlanan altyapıyı programlı olarak kullanma.
Konsolu kullanarak yaşam döngüsü yapılandırmasını iliştirin
Konsolu kullanmak için aşağıdaki adımları tamamlayın:
- SageMaker konsolunda, Alanlar Gezinti bölmesinde.
- Kullanmakta olduğunuz alan adını ve mevcut kullanıcı profilini seçin, ardından Düzenle.
- Kullanmak istediğiniz yaşam döngüsü yapılandırmasını seçin ve seçin iliştirmek.
Buradan, varsayılan olarak da ayarlayabilirsiniz.
Yaşam döngüsü yapılandırmasını programlı olarak ekleyin
Ayrıca, yapı tarafından oluşturulan Studio yaşam döngüsü yapılandırmasının ARN'sini alabilir ve bunu program aracılığıyla Studio yapısına ekleyebilirsiniz. Aşağıdaki kod, bir Studio yapısına geçirilen ARN yaşam döngüsü yapılandırmasını gösterir:
Temizlemek
Kaynaklarınızı temizlemek için bu bölümdeki adımları tamamlayın.
Studio yaşam döngüsü yapılandırmasını silin
Yaşam döngüsü yapılandırmanızı silmek için aşağıdaki adımları tamamlayın:
- SageMaker konsolunda, Studio yaşam döngüsü yapılandırmaları Gezinti bölmesinde.
- Yaşam döngüsü yapılandırmasını seçin, ardından Sil.
AWS CDK yığınını silin
Oluşturduğunuz kaynaklarla işiniz bittiğinde, depoyu klonladığınız konumda aşağıdaki komutu çalıştırarak AWS CDK yığınınızı yok edebilirsiniz:
Yığının silinmesini onaylamanız istendiğinde şunu girin: yes
.
AWS CloudFormation konsolundaki yığını aşağıdaki adımlarla da silebilirsiniz:
- AWS CloudFormation konsolunda şunu seçin: Yığınları Gezinti bölmesinde.
- Silmek istediğiniz yığını seçin.
- Yığın ayrıntıları bölmesinde, Sil.
- Klinik Yığını sil istendiğinde
Herhangi bir hatayla karşılaşırsanız, hesap yapılandırmanıza bağlı olarak bazı kaynakları manuel olarak silmeniz gerekebilir.
Sonuç
Bu gönderide, Studio'nun makine öğrenimi iş yükleri için nasıl bir IDE işlevi gördüğünü ele aldık. Studio, otomatikleştirilmiş görevleri gerçekleştirmek için özel kabuk betikleri kurmanıza veya başlatma sırasında geliştirme ortamları kurmanıza olanak tanıyan yaşam döngüsü yapılandırma desteği sunar. Özel kaynak ve yaşam döngüsü yapılandırması için altyapıyı oluşturmak üzere AWS CDK yapılarını kullandık. Yapılar, daha sonra Studio'da ve not defteri çekirdeğinde kullanılan özel kaynak ve yaşam döngüsü betiğini oluşturmak için dağıtılan CloudFormation yığınlarında sentezlenir.
Daha fazla bilgi için adresini ziyaret edin Amazon SageMaker Stüdyosu.
Yazarlar Hakkında
Cory Hairston Amazon ML Solutions Lab'de Yazılım Mühendisi. Halen yeniden kullanılabilir yazılım çözümleri sağlamaya çalışıyor.
Alex Chirayath Amazon ML Solutions Lab'de Kıdemli Makine Öğrenimi Mühendisidir. İş ihtiyaçlarını karşılamak için yapay zeka uygulamaları oluşturmak üzere veri bilimcileri ve mühendislerinden oluşan ekiplere liderlik ediyor.
Gouri Pandeshwar Amazon ML Solutions Lab'de bir Mühendis Yöneticisidir. O ve mühendis ekibi, müşterilerin ticari kullanım durumları için AWS AI/ML hizmetlerinin benimsenmesini hızlandırmaya yardımcı olan yeniden kullanılabilir çözümler ve çerçeveler oluşturmak için çalışıyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- EVM Finans. Merkezi Olmayan Finans için Birleşik Arayüz. Buradan Erişin.
- Kuantum Medya Grubu. IR/PR Güçlendirilmiş. Buradan Erişin.
- PlatoAiStream. Web3 Veri Zekası. Bilgi Genişletildi. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/use-the-aws-cdk-to-deploy-amazon-sagemaker-studio-lifecycle-configurations/
- :dır-dir
- :Neresi
- $UP
- 100
- 12
- 14
- 7
- a
- Yapabilmek
- hızlandırmak
- erişim
- Hesap
- Hesaplar
- karşısında
- adres
- Benimseme
- Sonra
- AI
- AI / ML
- Türkiye
- veriyor
- Ayrıca
- Amazon
- Amazon ML Çözümleri Laboratuvarı
- Amazon Adaçayı Yapıcı
- Amazon SageMaker Stüdyosu
- Amazon Web Servisleri
- an
- ve
- Başka
- herhangi
- uygulamayı yükleyeceğiz
- uygulamaları
- Tamam
- uygulamalar
- mimari
- ARE
- AS
- atanmış
- At
- iliştirmek
- otomatikleştirmek
- Otomatik
- otomatik olarak
- AWS
- AWS CloudFormation
- BE
- olmak
- İYİ
- en iyi uygulamalar
- Blokları
- inşa etmek
- bina
- iş
- fakat
- by
- CAN
- durumlarda
- değişmiş
- Klinik
- klasik
- bulut
- bulut altyapısı
- kod
- Toplamak
- COM
- tamamlamak
- uyma
- yapılandırma
- Onaylamak
- konsolos
- kurmak
- Konteyner
- içeren
- içerik
- tekabül
- maliyetler
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- akım
- Şu anda
- görenek
- özelleştirme
- veri
- veri kümeleri
- derin
- Varsayılan
- tanımlarken
- bağlı
- dağıtmak
- konuşlandırılmış
- yıkmak
- ayrıntılar
- geliştiriciler
- gelişme
- tartışılan
- domain
- Alan Adı
- yapılmış
- aşağı
- kolayca
- ya
- etkinleştirmek
- sağlar
- mühendis
- Mühendisler
- Keşfet
- giriş
- çevre
- ortamları
- Hatalar
- olaylar
- örnek
- uzantıları
- fileto
- Ad
- takip etme
- İçin
- iskelet
- çerçeveler
- itibaren
- tamamen
- işlev
- geçit
- almak
- GitHub
- Var
- sahip olan
- he
- yardım et
- okuyun
- onun
- Ne kadar
- Nasıl Yapılır
- HTML
- http
- HTTPS
- ID
- görüntü
- ithalat
- in
- içerir
- bilgi
- Altyapı
- kurmak
- yükleme
- örnek
- yerine
- entegre
- etkileşim
- arayüzey
- içine
- IT
- ONUN
- kendisi
- jpg
- laboratuvar
- Etiketler
- dil
- Diller
- başlatmak
- İlanlar
- öğrenme
- yaşam döngüsü
- yer
- Uzun
- makine
- makine öğrenme
- Ana
- yapmak
- yönetim
- müdür
- el ile
- Mayıs..
- Neden
- yöntemleri
- ML
- modelleri
- Daha
- taşındı
- çoklu
- isim
- Navigasyon
- ihtiyaçlar
- yeni
- defter
- gözlemek
- of
- Teklifler
- on
- or
- kuruluşlar
- Diğer
- paketler
- çiftleri
- bölmesi
- parametreler
- geçti
- yol
- Yapmak
- dönemleri
- Platon
- Plato Veri Zekası
- PlatoVeri
- Nokta
- Çivi
- PowerShell
- uygulamalar
- Hazırlamak
- önkoşullar
- mevcut
- Profil
- proje
- sağlanan
- sağlar
- sağlama
- Python
- hızla
- Okumak
- bölgeler
- Depo
- temsil
- temsil
- gereklidir
- Yer Alan Kurallar
- kaynak
- Kaynaklar
- yeniden kullanılabilir
- koşmak
- koşu
- Güvenlik
- sagemaker
- bilim adamları
- kapsam
- scriptler
- Bölüm
- SELF
- kıdemli
- vermektedir
- Hizmetler
- set
- ayar
- Kabuk
- meli
- şov
- Gösteriler
- kapatmak
- tek
- Yazılım
- Yazılım Mühendisi
- çözüm
- Çözümler
- biraz
- Kaynak
- kaynak kodu
- özel
- yığın
- Yığınları
- standartlar
- başladı
- XNUMX dakika içinde!
- Basamaklar
- stüdyo
- Başarılı olarak
- böyle
- destek
- destekli
- sistem
- görevleri
- takım
- takım
- şablon
- o
- The
- Onları
- sonra
- onlar
- Re-Tweet
- İçinden
- için
- Tren
- tetiklenir
- iki
- benzersiz
- güncellenmiş
- kullanım
- Kullanılmış
- kullanıcı
- kullanıcılar
- kullanma
- Görüntüle
- Sanal
- Türkiye Dental Sosyal Medya Hesaplarından bizi takip edebilirsiniz.
- istemek
- Yol..
- yolları
- we
- ağ
- web hizmetleri
- Web tabanlı
- İYİ
- ne zaman
- oysa
- hangi
- irade
- pencereler
- ile
- çalışma
- çalışır
- Sen
- zefirnet