Στούντιο Amazon SageMaker είναι ένα πλήρως ενσωματωμένο περιβάλλον ανάπτυξης (IDE) για μηχανική μάθηση (ML) που βασίζεται εν μέρει σε JupyterLab 3. Το Studio παρέχει μια διεπαφή βασισμένη στον ιστό για την διαδραστική εκτέλεση εργασιών ανάπτυξης ML που απαιτούνται για την προετοιμασία δεδομένων και τη δημιουργία, εκπαίδευση και ανάπτυξη μοντέλων ML. Στο Studio, μπορείτε να φορτώσετε δεδομένα, να προσαρμόσετε μοντέλα ML, να μετακινηθείτε ανάμεσα στα βήματα για να προσαρμόσετε τα πειράματα, να συγκρίνετε αποτελέσματα και να αναπτύξετε μοντέλα ML για συμπεράσματα.
Η Κιτ ανάπτυξης AWS Cloud (AWS CDK) είναι ένα πλαίσιο ανάπτυξης λογισμικού ανοιχτού κώδικα για δημιουργία AWS CloudFormation στοίβες μέσω της αυτόματης Πρότυπο CloudFormation γενιά. Μια στοίβα είναι μια συλλογή πόρων AWS, που μπορούν να ενημερωθούν, να μετακινηθούν ή να διαγραφούν μέσω προγραμματισμού. AWS CDK κατασκευές είναι τα δομικά στοιχεία των εφαρμογών AWS CDK, που αντιπροσωπεύουν το σχέδιο για τον καθορισμό αρχιτεκτονικών cloud.
Η ρύθμιση του Studio με AWS CDK έχει γίνει μια βελτιωμένη διαδικασία. Το AWS CDK σάς επιτρέπει να χρησιμοποιείτε εγγενείς κατασκευές για να ορίσετε και να αναπτύξετε το Studio χρησιμοποιώντας υποδομή ως κώδικα (IaC), συμπεριλαμβανομένων Διαχείριση ταυτότητας και πρόσβασης AWS Δικαιώματα (AWS IAM) και επιθυμητές διαμορφώσεις πόρων cloud, όλα σε ένα μέρος. Αυτή η προσέγγιση ανάπτυξης μπορεί να χρησιμοποιηθεί σε συνδυασμό με άλλες κοινές βέλτιστες πρακτικές μηχανικής λογισμικού, όπως αυτοματοποιημένες αναπτύξεις κώδικα, δοκιμές και Αγωγοί CI / CD. Το AWS CDK μειώνει τον χρόνο που απαιτείται για την εκτέλεση τυπικών εργασιών ανάπτυξης υποδομής, ενώ συρρικνώνει την επιφάνεια για ανθρώπινο λάθος μέσω της αυτοματοποίησης.
Αυτή η ανάρτηση σας καθοδηγεί στα βήματα για να ξεκινήσετε με τη ρύθμιση και την ανάπτυξη του Studio για την τυποποίηση της ανάπτυξης μοντέλων ML και της συνεργασίας με συναδέλφους μηχανικούς ML και επιστήμονες ML. Όλα τα παραδείγματα στην ανάρτηση είναι γραμμένα στη γλώσσα προγραμματισμού Python. Ωστόσο, το AWS CDK προσφέρει ενσωματωμένη υποστήριξη για πολλαπλούς άλλες γλώσσες προγραμματισμού όπως JavaScript, Java και C#.
Προϋποθέσεις
Για να ξεκινήσετε, ισχύουν οι ακόλουθες προϋποθέσεις:
Κλωνοποιήστε το αποθετήριο GitHub
Πρώτα, ας κλωνοποίηση ο Αποθετήριο GitHub.
Όταν το αποθετήριο τραβηχτεί με επιτυχία, μπορείτε να επιθεωρήσετε τον κατάλογο cdk που περιέχει τους ακόλουθους πόρους:
- cdk – Περιέχει τους κύριους πόρους cdk
- app.py – Όπου ορίζεται η στοίβα CDK AWS
- cdk.json – Περιέχει μεταδεδομένα και σημαίες χαρακτηριστικών
Σενάρια AWS CDK
Τα δύο κύρια αρχεία που θέλουμε να δούμε στο cdk
υποκατάλογος είναι sagemaker_studio_construct.py
και sagemaker_studio_stack.py
. Ας δούμε κάθε αρχείο με περισσότερες λεπτομέρειες.
Αρχείο κατασκευής στούντιο
Η κατασκευή Studio ορίζεται στο sagemaker_studio_construct.py
αρχείο.
Η κατασκευή του Studio λαμβάνει το εικονικό ιδιωτικό σύννεφο (VPC), οι καταχωρημένοι χρήστες, η περιοχή AWS και ο υποκείμενος προεπιλεγμένος τύπος παρουσίας ως παράμετροι. Αυτή η κατασκευή AWS CDK εξυπηρετεί τις ακόλουθες λειτουργίες:
- Δημιουργεί τον τομέα Studio (
SageMakerStudioDomain
) - Ορίζει τον ρόλο IAM
sagemaker_studio_execution_role
μεAmazonSageMakerFullAccess
τα δικαιώματα που απαιτούνται για τη δημιουργία πόρων. Οι άδειες πρέπει να περιοριστούν περαιτέρω ώστε να ακολουθείται η αρχή των ελάχιστων προνομίων για βελτιωμένη ασφάλεια. - Ορίζει τις ρυθμίσεις της εφαρμογής διακομιστή Jupyter – λαμβάνει
JUPYTER_SERVER_APP_IMAGE_NAME
, ορίζοντας την εικόνα κοντέινερ jupyter-server-3 που θα χρησιμοποιηθεί. - Ορίζει τις ρυθμίσεις της εφαρμογής πύλης πυρήνα – λαμβάνει
KERNEL_GATEWAY_APP_IMAGE_NAME
, ορίζοντας την εικόνα κοντέινερ datascience-2.0 που θα χρησιμοποιηθεί. - Δημιουργεί ένα προφίλ χρήστη για κάθε χρήστη που αναφέρεται
Το ακόλουθο απόσπασμα κώδικα δείχνει τους σχετικούς πόρους AWS CloudFormation του τομέα Studio Studio που ορίζονται στο AWS CDK:
Το ακόλουθο απόσπασμα κώδικα δείχνει τα προφίλ χρηστών που δημιουργήθηκαν από πόρους του AWS CloudFormation:
Αρχείο στοίβας στούντιο
Αφού οριστεί η κατασκευή, μπορείτε να την προσθέσετε δημιουργώντας μια παρουσία της κλάσης και περνώντας τα απαιτούμενα ορίσματα μέσα στη στοίβα. Η στοίβα δημιουργεί τους πόρους AWS CloudFormation ως μέρος μιας συνεκτικής ανάπτυξης. Αυτό σημαίνει ότι εάν τουλάχιστον ένας πόρος cloud αποτύχει να δημιουργηθεί, η στοίβα CloudFormation επαναφέρει τις αλλαγές που πραγματοποιήθηκαν. Το ακόλουθο απόσπασμα κώδικα της κατασκευής Studio δημιουργεί στιγμιότυπα μέσα στη στοίβα του Studio:
Αναπτύξτε τη στοίβα AWS CDK
Για να αναπτύξετε τη στοίβα AWS CDK, εκτελέστε τις ακόλουθες εντολές από τον ριζικό κατάλογο του έργου μέσα στο παράθυρο του τερματικού σας:
aws configure
pip3 install -r requirements.txt
cdk bootstrap --app "python3 -m cdk.app"
cdk deploy --app "python3 -m cdk.app"
Ελέγξτε τους πόρους που δημιουργεί το AWS CDK στον λογαριασμό σας AWS και επιλέξτε ναι όταν σας ζητηθεί να αναπτύξετε τη στοίβα. Περιμένετε να ολοκληρωθεί η ανάπτυξη της στοίβας. Αυτό διαρκεί συνήθως λιγότερο από 5 λεπτά. Ωστόσο, η προσθήκη περισσότερων πόρων θα παρατείνει τον χρόνο ανάπτυξης. Μπορείτε επίσης να ελέγξετε την κατάσταση ανάπτυξης στο Κονσόλα AWS CloudFormation.
Όταν η στοίβα έχει αναπτυχθεί με επιτυχία, ελέγξτε τις πληροφορίες της μεταβαίνοντας στον Πίνακα Ελέγχου του Studio. Θα πρέπει να δείτε το προφίλ χρήστη του SageMaker Studio που δημιουργήσατε.
Εάν επανατοποθετήσετε τη στοίβα, θα ελέγξει για αλλαγές, εκτελώντας μόνο τις αναγκαίες ενημερώσεις πόρων cloud. Για παράδειγμα, αυτό μπορεί να χρησιμοποιηθεί για την προσθήκη χρηστών ή την αλλαγή των δικαιωμάτων του αυτούς τους χρήστες χωρίς να χρειάζεται να αναδημιουργήσουν όλους τους καθορισμένους πόρους cloud.
Εκκαθάριση
Για να διαγράψετε μια στοίβα, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα AWS CloudFormation, επιλέξτε Στοίβες στο παράθυρο πλοήγησης.
- Ανοίξτε τη στοίβα που θέλετε να διαγράψετε.
- Στο παράθυρο λεπτομερειών στοίβας, επιλέξτε Διαγραφή.
- Επιλέξτε Διαγραφή στοίβας όταν σας ζητηθεί.
Το AWS CloudFormation θα διαγράψει τους πόρους που δημιουργήθηκαν κατά την ανάπτυξη της στοίβας. Αυτό μπορεί να πάρει κάποιο χρόνο ανάλογα με τον όγκο των πόρων που δημιουργήθηκαν.
Εάν αντιμετωπίσετε προβλήματα με αυτά τα βήματα εκκαθάρισης, ίσως χρειαστεί διαγράψτε με μη αυτόματο τρόπο τον τομέα Studio πρώτα πριν επαναλάβετε τα βήματα σε αυτήν την ενότητα.
Συμπέρασμα
Σε αυτήν την ανάρτηση, δείξαμε πώς να χρησιμοποιείτε πόρους IaC εγγενούς στο cloud AWS για τη δημιουργία ενός εύκολα επαναχρησιμοποιήσιμου προτύπου για αναπτύξεις στο Studio. Το SageMaker Studio είναι ένα πλήρως ενσωματωμένο web-based IDE που παρέχει μια οπτική διεπαφή για εργασίες ανάπτυξης ML που βασίζονται στο JupyterLab3. Με τις στοίβες AWS CDK, μπορέσαμε να ορίσουμε κατασκευές για τη δημιουργία στοιχείων cloud που μπορούν εύκολα να τροποποιηθούν, να επεξεργαστούν ή να διαγραφούν κάνοντας αλλαγές στην υποκείμενη στοίβα CloudFormation.
Για περισσότερες πληροφορίες σχετικά με το Amazon Studio, βλ Στούντιο Amazon SageMaker.
Σχετικά με τους Συγγραφείς
Κόρι Χέρστον είναι Μηχανικός Λογισμικού στο Amazon ML Solutions Lab. Είναι ένθερμος για την εκμάθηση νέων τεχνολογιών και τη μόχλευση αυτών των πληροφοριών για τη δημιουργία επαναχρησιμοποιήσιμων λύσεων λογισμικού. Είναι μανιώδης ανυψωτής δύναμης και περνά τον ελεύθερο χρόνο του κάνοντας ψηφιακή τέχνη.
Μαρσέλο Αμπέρλε είναι Μηχανικός ML στον οργανισμό AWS AI. Είναι επικεφαλής των προσπαθειών MLOps στο Amazon ML Solutions Lab, βοηθώντας τους πελάτες να σχεδιάσουν και να εφαρμόσουν κλιμακούμενα συστήματα ML. Η αποστολή του είναι να καθοδηγήσει τους πελάτες στο ταξίδι της επιχείρησης ML και να επιταχύνει την πορεία τους ML προς την παραγωγή.
Γιας Σαχ είναι Επιστημονικός Διευθυντής στο Εργαστήριο Amazon ML Solutions. Αυτός και η ομάδα του από εφαρμοσμένους επιστήμονες και μηχανικούς μηχανικής μάθησης εργάζονται σε μια σειρά περιπτώσεων χρήσης μηχανικής μάθησης από την υγειονομική περίθαλψη, τον αθλητισμό, την αυτοκινητοβιομηχανία και την κατασκευή.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/set-up-amazon-sagemaker-studio-with-jupyter-lab-3-using-the-aws-cdk/
- 1
- 100
- a
- Ικανός
- Σχετικά
- επιταχύνουν
- πρόσβαση
- Λογαριασμός
- AI
- Όλα
- επιτρέπει
- Amazon
- Εργαστήριο Amazon ML Solutions
- Amazon Sage Maker
- Στούντιο Amazon SageMaker
- ποσό
- και
- app
- εφαρμογές
- εφαρμοσμένος
- Εφαρμογή
- πλησιάζω
- φλογερός
- ΠΕΡΙΟΧΗ
- επιχειρήματα
- Τέχνη
- Αυτοματοποιημένη
- Αυτοματοποίηση
- αυτοκινήτων
- AWS
- AWS CloudFormation
- πίσω
- βασίζονται
- γίνονται
- πριν
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- μεταξύ
- Μπλοκ
- Bootstrap
- χτίζω
- Κτίριο
- ενσωματωμένο
- περιπτώσεις
- αλλαγή
- Αλλαγές
- έλεγχος
- Επιλέξτε
- Backup
- κωδικός
- ΣΥΝΑΦΗΣ
- συνεργασία
- συλλογή
- συνδυασμός
- Κοινός
- συγκρίνουν
- πλήρης
- εξαρτήματα
- πρόξενος
- κατασκευάσει
- Δοχείο
- Περιέχει
- έλεγχος
- πίνακα ελέγχου
- δημιουργία
- δημιουργήθηκε
- δημιουργεί
- δημιουργία
- δημιουργία
- Πελάτες
- ημερομηνία
- Προεπιλογή
- καθορίζοντας
- Σε συνάρτηση
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- ανάπτυξη
- αναπτύξεις
- Υπηρεσίες
- λεπτομέρεια
- καθέκαστα
- Ανάπτυξη
- ψηφιακό
- ψηφιακής τέχνης
- ανάπηρος
- τομέα
- κάτω
- κάθε
- εύκολα
- προσπάθειες
- συνάντηση
- μηχανικός
- Μηχανική
- Μηχανικοί
- Εταιρεία
- Περιβάλλον
- σφάλμα
- Αιθέρας (ΕΤΗ)
- παράδειγμα
- παραδείγματα
- αποτυγχάνει
- Χαρακτηριστικό
- σύντροφος
- Αρχεία
- Αρχεία
- Όνομα
- ακολουθήστε
- Εξής
- Πλαίσιο
- Δωρεάν
- από
- πλήρως
- λειτουργίες
- περαιτέρω
- πύλη
- γενεά
- παίρνω
- GitHub
- μετάβαση
- καθοδηγήσει
- Οδηγοί
- που έχει
- υγειονομική περίθαλψη
- βοήθεια
- Πως
- Πώς να
- Ωστόσο
- HTML
- HTTPS
- ανθρώπινος
- IAC
- IAM
- Ταυτότητα
- εικόνα
- εφαρμογή
- βελτιωθεί
- in
- πληροφορίες
- Υποδομή
- εγκαθιστώ
- παράδειγμα
- ενσωματωθεί
- περιβάλλον λειτουργίας
- θέματα
- IT
- Java
- το JavaScript
- ταξίδι
- json
- εργαστήριο
- Γλώσσα
- που οδηγεί
- μάθηση
- μόχλευσης
- Εισηγμένες
- φορτίο
- ματιά
- μηχανή
- μάθηση μηχανής
- Κυρίως
- Κατασκευή
- διευθυντής
- κατασκευής
- μέσα
- Μεταδεδομένα
- πρακτικά
- Αποστολή
- ML
- MLOps
- μοντέλο
- μοντέλα
- τροποποιημένο
- περισσότερο
- μετακινήσετε
- πολλαπλούς
- ντόπιος
- Πλοήγηση
- απαραίτητος
- Ανάγκη
- Νέα
- Νέες τεχνολογίες
- προσφορές
- ONE
- ανοικτού κώδικα
- Λογισμικό ανοικτού κώδικα
- επιχειρήσεις
- ΑΛΛΑ
- παράθυρο
- πίνακας
- παράμετροι
- μέρος
- Πέρασμα
- μονοπάτι
- εκτελέσει
- εκτέλεση
- δικαιώματα
- Μέρος
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Θέση
- πρακτικές
- Προετοιμάστε
- προαπαιτούμενα
- αρχή
- ιδιωτικός
- διαδικασια μας
- παραγωγή
- Προφίλ ⬇️
- προφίλ
- Προγραμματισμός
- έργα
- παρέχει
- Python
- σειρά
- μειώνει
- περιοχή
- Αποθήκη
- εκπροσωπούν
- απαιτείται
- απαιτήσεις
- πόρος
- Υποστηρικτικό υλικό
- Αποτελέσματα
- επαναχρησιμοποιήσιμη
- Ρόλος
- ρολά
- ρίζα
- τρέξιμο
- σοφός
- επεκτάσιμη
- Επιστήμη
- επιστήμονες
- έκταση
- Τμήμα
- ασφάλεια
- ΕΑΥΤΟΣ
- εξυπηρετεί
- σειρά
- τον καθορισμό
- ρυθμίσεις
- θα πρέπει να
- Δείχνει
- λογισμικό
- ανάπτυξη λογισμικού
- Μηχανικός Λογισμικού
- τεχνολογία λογισμικού
- Λύσεις
- μερικοί
- Αθλητισμός
- σωρός
- Στοίβες
- ξεκίνησε
- Κατάσταση
- Βήματα
- εξορθολογισμένη
- στούντιο
- Επιτυχώς
- τέτοιος
- υποστήριξη
- Επιφάνεια
- σύστημα
- συστήματα
- Πάρτε
- παίρνει
- εργασίες
- Τεχνολογίες
- πρότυπο
- τερματικό
- δοκιμές
- Η
- τους
- Μέσω
- ώρα
- προς την
- Τρένο
- τυπικός
- συνήθως
- υποκείμενες
- ενημερώθηκε
- ενημερώσεις
- χρήση
- Χρήστες
- Χρήστες
- Πραγματικός
- περιμένετε
- Web-based
- ενώ
- θα
- εντός
- χωρίς
- Εργασία
- γραπτή
- Σας
- zephyrnet