Amazon SageMaker Studio egy teljesen integrált fejlesztői környezet (IDE) a gépi tanuláshoz (ML), amely részben alapul JupyterLab 3. A Studio webalapú felületet biztosít az adatok előkészítéséhez, valamint az ML-modellek építéséhez, betanításához és üzembe helyezéséhez szükséges ML-fejlesztési feladatok interaktív végrehajtásához. A Studióban adatokat tölthet be, módosíthatja az ML-modelleket, válthat a lépések között a kísérletek módosításához, összehasonlíthatja az eredményeket, és ML-modelleket telepíthet következtetésekhez.
A AWS Cloud Development Kit (AWS CDK) egy nyílt forráskódú szoftverfejlesztési keretrendszer létrehozására AWS felhőképződés stack automatán keresztül CloudFormation sablon generáció. A verem AWS-erőforrások gyűjteménye, amelyek programozottan frissíthetők, áthelyezhetők vagy törölhetők. AWS CDK konstrukciókat az AWS CDK-alkalmazások építőkövei, amelyek a felhőarchitektúrák meghatározásának tervezetét jelentik.
A Studio AWS CDK-val történő beállítása egyszerűsített folyamattá vált. Az AWS CDK lehetővé teszi natív konstrukciók használatát a Studio infrastruktúra kódként (IaC) használatával történő meghatározásához és üzembe helyezéséhez, beleértve a AWS Identity and Access Management (AWS IAM) engedélyek és a kívánt felhő-erőforrás-konfigurációk, mindez egy helyen. Ez a fejlesztési megközelítés más általánosan bevált szoftverfejlesztési gyakorlatokkal, például automatizált kódtelepítésekkel, tesztekkel és CI/CD csővezetékek. Az AWS CDK csökkenti a tipikus infrastruktúra-telepítési feladatok végrehajtásához szükséges időt, miközben az automatizálás révén csökkenti az emberi hibák miatti területet.
Ez a bejegyzés végigvezeti Önt a Studio beállításának és üzembe helyezésének lépésein, hogy szabványosítsa az ML-modellfejlesztést, valamint az ML-mérnökökkel és ML-tudósokkal való együttműködést. A bejegyzésben szereplő összes példa Python programozási nyelven íródott. Az AWS CDK azonban beépített támogatást kínál több számára más programozási nyelvek mint a JavaScript, a Java és a C#.
Előfeltételek
A kezdéshez a következő előfeltételek érvényesek:
Klónozza a GitHub adattárat
Először nézzük klón a GitHub tárház.
A lerakat sikeres lehívása után megtekintheti a következő erőforrásokat tartalmazó cdk könyvtárat:
- cdk – Tartalmazza a fő cdk erőforrásokat
- app.py – Az AWS CDK-verem meghatározása
- cdk.json – Metaadatokat és funkciójelzőket tartalmaz
AWS CDK szkriptek
A két fő fájl, amelyet meg akarunk nézni a cdk
alkönyvtárak sagemaker_studio_construct.py
és a sagemaker_studio_stack.py
. Nézzük meg részletesebben az egyes fájlokat.
Studio konstrukciós fájl
A Studio konstrukciót a sagemaker_studio_construct.py
fájlt.
A Studio konstrukció a virtuális privát felhő (VPC), felsorolt felhasználók, AWS-régió és az alapul szolgáló alapértelmezett példánytípus paraméterként. Ez az AWS CDK konstrukció a következő funkciókat szolgálja:
- Létrehozza a Studio tartományt (
SageMakerStudioDomain
) - Beállítja az IAM szerepkört
sagemaker_studio_execution_role
val velAmazonSageMakerFullAccess
az erőforrások létrehozásához szükséges engedélyek. Az engedélyek hatókörét tovább kell korlátozni, hogy a nagyobb biztonság érdekében a legkevesebb jogosultság elvét kövesse. - Beállítja a Jupyter szerveralkalmazás beállításait – átveszi
JUPYTER_SERVER_APP_IMAGE_NAME
, amely meghatározza a használandó jupyter-server-3 tárolóképet. - Beállítja a kernel átjáró alkalmazás beállításait – befogadja
KERNEL_GATEWAY_APP_IMAGE_NAME
, amely meghatározza a használandó datascience-2.0 tárolóképet. - Minden felsorolt felhasználóhoz létrehoz egy felhasználói profilt
A következő kódrészlet az AWS CDK-ban definiált releváns Studio-domain AWS CloudFormation erőforrásait mutatja be:
A következő kódrészlet az AWS CloudFormation erőforrásokból létrehozott felhasználói profilokat mutatja:
Studio veremfájl
A konstrukció meghatározása után hozzáadhatja az osztály példányának létrehozásával, és a szükséges argumentumok átadásával a veremben. A verem egyetlen koherens üzembe helyezés részeként hozza létre az AWS CloudFormation erőforrásokat. Ez azt jelenti, hogy ha legalább egy felhő-erőforrás létrehozása sikertelen, a CloudFormation verem visszaállítja a végrehajtott változtatásokat. A Studio konstrukció következő kódrészlete példányosodik a Studio veremben:
Telepítse az AWS CDK-vermet
Az AWS CDK-verem üzembe helyezéséhez futtassa a következő parancsokat a projekt gyökérkönyvtárából a terminálablakban:
aws configure
pip3 install -r requirements.txt
cdk bootstrap --app "python3 -m cdk.app"
cdk deploy --app "python3 -m cdk.app"
Tekintse át az AWS CDK által az AWS-fiókjában létrehozott erőforrásokat, és válassza az igent, amikor a rendszer kéri a verem üzembe helyezésére. Várja meg, amíg a verem telepítése befejeződik. Ez általában kevesebb, mint 5 percet vesz igénybe; azonban több erőforrás hozzáadása meghosszabbítja a telepítési időt. A telepítési állapotot a webhelyen is ellenőrizheti AWS CloudFormation konzol.
Ha a verem sikeresen üzembe helyezése megtörtént, a Studio Vezérlőpultján ellenőrizze annak adatait. Látnia kell a SageMaker Studio által létrehozott felhasználói profilt.
Ha újratelepíti a veremet, az ellenőrzi a módosításokat, és csak a szükséges felhő-erőforrás-frissítéseket hajtja végre. Ez használható például felhasználók hozzáadására vagy engedélyeinek módosítására ezek a felhasználók anélkül, hogy újra létre kellene hozniuk az összes meghatározott felhő-erőforrást.
Razzia
Egy verem törléséhez hajtsa végre a következő lépéseket:
- Az AWS CloudFormation konzolon válassza a lehetőséget Stacks a navigációs ablaktáblában.
- Nyissa meg a törölni kívánt köteget.
- A verem részletei panelen válassza a lehetőséget töröl.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Verem törlése amikor megkérdezi.
Az AWS CloudFormation törli a verem telepítésekor létrehozott erőforrásokat. Ez a létrehozott erőforrások mennyiségétől függően eltarthat egy ideig.
Ha bármilyen problémát tapasztal a tisztítási lépések végrehajtása során, szükség lehet rá manuálisan törölje a Studio tartományt először, mielőtt megismételné az ebben a részben leírt lépéseket.
Következtetés
Ebben a bejegyzésben bemutattuk, hogyan használhatjuk az AWS felhőn alapuló IaC-erőforrásait egy könnyen újrafelhasználható sablon létrehozásához a Studio-telepítésekhez. A SageMaker Studio egy teljesen integrált webalapú IDE, amely vizuális felületet biztosít a JupyterLab3 alapú ML fejlesztési feladatokhoz. Az AWS CDK-veremekkel olyan felhő-összetevők felépítésére szolgáló konstrukciókat tudtunk meghatározni, amelyek könnyen módosíthatók, szerkeszthetők vagy törölhetők az alapul szolgáló CloudFormation-verem módosításával.
Az Amazon Studióval kapcsolatos további információkért lásd: Amazon SageMaker Studio.
A szerzőkről
Cory Hairston az Amazon ML Solutions Lab szoftvermérnöke. Buzgón foglalkozik az új technológiák elsajátításával, és ezen információk felhasználásával újrafelhasználható szoftvermegoldások létrehozásában. Lelkes erőemelő, szabadidejét digitális művészettel tölti.
Marcelo Aberle az AWS AI szervezet ML mérnöke. Ő vezeti az MLOps erőfeszítéseket az Amazon ML Solutions Labnál, segítve ügyfeleit a méretezhető ML rendszerek tervezésében és megvalósításában. Küldetése, hogy eligazítsa az ügyfeleket a vállalati ML útjukon, és felgyorsítsa az ML termelési folyamatot.
Yash Shah tudományos menedzser a Amazon ML Solutions Lab. Alkalmazott tudósokból és gépi tanulási mérnökökből álló csapatával számos gépi tanulási felhasználási eseten dolgozik az egészségügy, a sport, az autóipar és a gyártás területén.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/set-up-amazon-sagemaker-studio-with-jupyter-lab-3-using-the-aws-cdk/
- 1
- 100
- a
- Képes
- Rólunk
- gyorsul
- hozzáférés
- Fiók
- AI
- Minden termék
- lehetővé teszi, hogy
- amazon
- Amazon ML Solutions Lab
- Amazon SageMaker
- Amazon SageMaker Studio
- összeg
- és a
- app
- alkalmazások
- alkalmazott
- alkalmaz
- megközelítés
- tüzes
- TERÜLET
- érvek
- Művészet
- Automatizált
- Automatizálás
- autóipari
- AWS
- AWS felhőképződés
- vissza
- alapján
- válik
- előtt
- BEST
- legjobb gyakorlatok
- között
- Blocks
- Bootstrap
- épít
- Épület
- beépített
- esetek
- változik
- Változások
- ellenőrizze
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- felhő
- kód
- ÖSSZEFÜGGŐ
- együttműködés
- gyűjtemény
- kombináció
- Közös
- összehasonlítani
- teljes
- alkatrészek
- Konzol
- konstrukció
- Konténer
- tartalmaz
- ellenőrzés
- vezérlő panel
- teremt
- készítette
- teremt
- létrehozása
- teremtés
- Ügyfelek
- dátum
- alapértelmezett
- meghatározó
- attól
- telepíteni
- telepített
- bevezetéséhez
- bevetés
- bevetések
- Design
- részlet
- részletek
- Fejlesztés
- digitális
- digitális művészet
- Tiltva
- domain
- le-
- minden
- könnyen
- erőfeszítések
- találkozás
- mérnök
- Mérnöki
- Mérnökök
- Vállalkozás
- Környezet
- hiba
- Eter (ETH)
- példa
- példák
- nem sikerül
- Funkció
- fickó
- filé
- Fájlok
- vezetéknév
- következik
- következő
- Keretrendszer
- Ingyenes
- ból ből
- teljesen
- funkciók
- további
- gateway
- generáció
- kap
- GitHub
- megy
- útmutató
- Útmutatók
- tekintettel
- egészségügyi
- segít
- Hogyan
- How To
- azonban
- HTML
- HTTPS
- emberi
- IAC
- IAM
- Identitás
- kép
- végre
- javított
- in
- információ
- Infrastruktúra
- telepíteni
- példa
- integrált
- Felület
- kérdések
- IT
- Jáva
- JavaScript
- utazás
- json
- labor
- nyelv
- vezető
- tanulás
- erőfölény
- Listázott
- kiszámításának
- néz
- gép
- gépi tanulás
- Fő
- Gyártás
- menedzser
- gyártási
- eszközök
- Metaadatok
- jegyzőkönyv
- Küldetés
- ML
- MLOps
- modell
- modellek
- módosított
- több
- mozog
- többszörös
- bennszülött
- Navigáció
- elengedhetetlen
- Szükség
- Új
- Új technológiák
- Ajánlatok
- ONE
- nyílt forráskódú
- Nyílt forráskódú szoftver
- szervezet
- Más
- üvegtábla
- panel
- paraméterek
- rész
- Múló
- ösvény
- teljesít
- előadó
- engedélyek
- Hely
- Plató
- Platón adatintelligencia
- PlatoData
- állás
- gyakorlat
- Készít
- előfeltételek
- alapelv
- magán
- folyamat
- Termelés
- profil
- Profilok
- Programozás
- projektek
- biztosít
- Piton
- hatótávolság
- csökkenti
- vidék
- raktár
- képviselő
- kötelező
- követelmények
- forrás
- Tudástár
- Eredmények
- újrahasználható
- Szerep
- tekercs
- gyökér
- futás
- sagemaker
- skálázható
- Tudomány
- tudósok
- hatálya
- Rész
- biztonság
- MAGA
- szolgálja
- készlet
- beállítás
- beállítások
- kellene
- Műsorok
- szoftver
- szoftverfejlesztés
- Software Engineer
- szoftverfejlesztés
- Megoldások
- néhány
- Sport
- verem
- Stacks
- kezdődött
- Állapot
- Lépései
- áramvonalas
- stúdió
- sikeresen
- ilyen
- támogatás
- felületi
- rendszer
- Systems
- Vesz
- tart
- feladatok
- csapat
- Technologies
- sablon
- terminál
- tesztek
- A
- azok
- Keresztül
- idő
- nak nek
- Vonat
- tipikus
- jellemzően
- mögöttes
- frissítve
- Frissítés
- használ
- használó
- Felhasználók
- Tényleges
- várjon
- web-alapú
- míg
- lesz
- belül
- nélkül
- Munka
- írott
- A te
- zephyrnet