Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

Amazon SageMaker 笔记本实例

Amazon SageMaker 笔记本实例是运行 Jupyter Notebook 应用程序的机器学习 (ML) 计算实例。机器学习 (ML) 从业者使用 Amazon 的最佳方式之一 SageMaker 是使用 SageMaker 笔记本实例训练和部署 ML 模型。 SageMaker笔记本实例通过在亚马逊弹性计算云 (AmazonEC2) 上启动 Jupyter 服务器并为预配置的内核提供以下软件包来帮助创建环境：Amazon Pyth SageMaker on SDK、、 Amazon Command Line Interface (Amazon CLI) Amazon SDK for Python (Boto3)、Conda、Pandas、深度学习框架库以及其他用于数据科学和机器学习的库。

在笔记本实例中使用 Jupyter 笔记本可以：

SageMaker 还提供了包含完整代码示例的示例笔记本。这些示例说明如何使用 SageMaker 来执行常见的机器学习任务。有关更多信息，请参阅 访问示例笔记本。

有关亚马逊 SageMaker 笔记本实例定价的信息，请参阅亚马逊 SageMaker 定价。

维护

SageMaker 至少每 90 天更新一次 Amazon SageMaker 笔记本实例的基础软件。某些维护更新（如操作系统升级）可能要求您的应用程序在短时间内离线。在此期间，底层软件正在更新，因此无法执行任何操作。我们建议您至少每 30 天重启一次笔记本，以自动使用补丁。

欲了解更多信息，请联系 https://aws.amazon.com/premiumsupport/。

使用 SageMaker Python 进行机器学习 SDK

要在 SageMaker 笔记本实例中训练、验证、部署和评估机器学习模型，请使用 SageMaker Python SDK。 SageMaker Python 的SDK摘要 Amazon SDK for Python (Boto3) 和 SageMaker API操作。它使您能够与其他 Amazon 服务集成和编排，例如用于保存数据和模型工件的亚马逊简单存储服务 (Amazon S3)、用于导入和服务机器学习模型的亚马逊弹性容器注册表 ECR ()、用于训练和推理的亚马逊弹性计算云 (Ama EC2 zon)。

您还可以利用一些 SageMaker 功能来帮助您处理完整机器学习周期的每个阶段：数据标注、数据预处理、模型训练、模型部署、预测性能评估以及监控生产中模型的质量。

如果您是初次使用的 SageMaker 用户，我们建议您按照 end-to-end机器学习教程使用 SageMaker Python SDK。要查找开源文档，请参阅 Amaz SageMaker on Python SDK。