本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
步骤 1:创建 Amazon SageMaker 笔记本实例
Amazon SageMaker 笔记本实例是一个完全托管的机器学习 (ML) Amazon Elastic Compute Cloud (Amazon EC2) 计算实例,它运行 Jupyter Notebook 应用程序。您可以使用笔记本实例创建和管理 Jupyter 笔记本,以预处理数据以及训练和部署机器学习模型。
创建SageMaker笔记本实例

-
通过以下网址打开 Amazon SageMaker 控制台:https://console.amazonaws.cn/sagemaker/
。 -
选择 Notebook instances (笔记本实例),然后选择 Create notebook instance (创建笔记本实例)。
-
在 Create notebook instance (创建笔记本实例) 页面上,提供以下信息(如果未提及字段,请保留默认值):
-
对于 Notebook instance name (笔记本实例名称),键入笔记本实例的名称。
-
对于 Instance type (实例类型),选择
ml.t2.medium
。 这是笔记本实例支持的成本最低的实例类型,并且足以完成本练习。如果ml.t2.medium
实例类型在当前区域中不可用AWS,请选择ml.t3.medium
。 -
对于 IAM role (IAM 角色),选择 Create a new role (创建新角色),然后选择 Create role (创建角色)。此IAM角色自动获得访问名称
sagemaker
中包含 的任何 S3 存储桶的权限。该角色通过AmazonSageMakerFullAccess
策略获取这些权限(SageMaker 将该策略附加到该角色)。注意 如果要授予IAM角色访问 S3 存储桶的权限,而不在名称
sagemaker
中,您需要将S3FullAccess
策略或权限限制为IAM角色的特定 S3 存储桶。有关将存储桶策略添加到IAM角色的更多信息和示例,请参阅存储桶策略示例。 -
选择创建笔记本实例.
在几分钟内, SageMaker 启动一个 ML 计算实例 —在这种情况下,将有一个笔记本实例—并向其附加 5 GB 的Amazon EBS存储卷。笔记本实例有一个预配置的 Jupyter 笔记本服务器、 SageMaker 和 AWS 开发工具包库以及一组 Anaconda 库。
有关创建SageMaker笔记本实例的更多信息,请参阅创建笔记本实例。
-
(可选)更改SageMaker笔记本实例设置
如果要更改已创建的Amazon EBS笔记本实例的 ML 计算实例类型或SageMaker存储大小,可以编辑笔记本实例设置。
更改和更新SageMaker笔记本实例类型和 EBS 卷
-
在 控制台中的 NotebookSageMaker instances (笔记本实例) 页面上,选择您的笔记本实例。
-
选择 Actions (操作),选择 Stop (停止),然后等待笔记本实例完全停止。
-
在笔记本实例状态变为 Stopped (已停止) 后,选择 Actions (操作),然后选择 Update setting (更新设置)。
-
对于 Notebook instance type (笔记本实例类型),选择其他 ML 实例类型。
-
对于 Volume size in GB (卷大小 (以 GB 为单位)),键入不同的整数以指定新的 EBS 卷大小。
注意 EBS 存储卷已加密,因此 SageMaker 无法确定卷上的可用空间量。因此,您可以在更新笔记本实例时增加卷大小,但无法减小卷大小。如果要减小正在使用的 ML 存储卷的大小,请创建一个具有所需大小的新笔记本实例。
-
-
在页面底部,选择 Update notebook instance (更新笔记本实例)。
-
更新完成后,使用新设置启动笔记本实例。
有关更新SageMaker笔记本实例设置的更多信息,请参阅更新笔记本实例。
(可选)SageMaker笔记本实例的高级设置
以下教程视频演示如何通过 SageMaker 控制台使用高级选项(如SageMaker生命周期配置和导入SageMaker存储库)设置和使用GitHub笔记本实例。(长度:26:04)
有关SageMaker笔记本实例的完整文档,请参阅使用 Amazon SageMaker 笔记本实例。