아마존 세이지 메이커 스튜디오 부분적으로 기반을 둔 기계 학습(ML)을 위한 완전 통합 개발 환경(IDE)입니다. 주피터랩 3. Studio는 데이터를 준비하고 ML 모델을 구축, 교육 및 배포하는 데 필요한 ML 개발 작업을 대화식으로 수행할 수 있는 웹 기반 인터페이스를 제공합니다. Studio에서 데이터를 로드하고, ML 모델을 조정하고, 단계 사이를 이동하여 실험을 조정하고, 결과를 비교하고, 추론을 위해 ML 모델을 배포할 수 있습니다.
XNUMXD덴탈의 AWS 클라우드 개발 키트 (AWS CDK)는 오픈 소스 소프트웨어 개발 프레임워크로 AWS 클라우드 포메이션 스택 자동을 통해 CloudFormation 템플릿 세대. 스택은 프로그래밍 방식으로 업데이트, 이동 또는 삭제할 수 있는 AWS 리소스 모음입니다. AWS CDK 구성 클라우드 아키텍처를 정의하는 청사진을 나타내는 AWS CDK 애플리케이션의 빌딩 블록입니다.
AWS CDK로 Studio를 설정하는 과정이 간소화되었습니다. AWS CDK를 사용하면 기본 구조를 사용하여 코드형 인프라(IaC)를 사용하여 Studio를 정의하고 배포할 수 있습니다. AWS 자격 증명 및 액세스 관리 (AWS IAM) 권한 및 원하는 클라우드 리소스 구성을 모두 한 곳에서. 이 개발 방식은 자동화된 코드 배포, 테스트 및 기타 일반적인 소프트웨어 엔지니어링 모범 사례와 함께 사용할 수 있습니다. CI / CD 파이프 라인. AWS CDK는 일반적인 인프라 배포 작업을 수행하는 데 필요한 시간을 줄이는 동시에 자동화를 통해 인적 오류의 노출 영역을 줄입니다.
이 게시물은 동료 ML 엔지니어 및 ML 과학자와의 협업 및 ML 모델 개발을 표준화하기 위해 Studio 설정 및 배포를 시작하는 단계를 안내합니다. 게시물의 모든 예제는 Python 프로그래밍 언어로 작성되었습니다. 그러나 AWS CDK는 여러 가지 기본 제공 지원을 제공합니다. 다른 프로그래밍 언어 JavaScript, Java 및 C#과 같은.
사전 조건
시작하려면 다음 전제 조건이 적용됩니다.
GitHub 리포지토리 복제
먼저 복제 전에, GitHub 저장소.
리포지토리를 성공적으로 가져오면 다음 리소스가 포함된 cdk 디렉터리를 검사할 수 있습니다.
- CDK – 기본 cdk 리소스를 포함합니다.
- 앱.파이 – AWS CDK 스택이 정의된 위치
- cdk.json – 메타데이터 및 기능 플래그 포함
AWS CDK 스크립트
우리가 살펴보고자 하는 두 가지 주요 파일은 cdk
하위 디렉토리는 sagemaker_studio_construct.py
과 sagemaker_studio_stack.py
. 각 파일을 자세히 살펴보겠습니다.
스튜디오 구성 파일
Studio 구조는 sagemaker_studio_construct.py
파일.
Studio 구조는 가상 사설 클라우드(VPC), 나열된 사용자, AWS 리전 및 기본 기본 인스턴스 유형을 파라미터로 지정합니다. 이 AWS CDK 구성은 다음 기능을 제공합니다.
- Studio 도메인(
SageMakerStudioDomain
) - IAM 역할 설정
sagemaker_studio_execution_role
과AmazonSageMakerFullAccess
리소스를 만드는 데 필요한 권한입니다. 보안 향상을 위해 최소 권한 원칙을 따르려면 권한 범위를 더 좁혀야 합니다. - Jupyter 서버 앱 설정 지정 – 가져오기
JUPYTER_SERVER_APP_IMAGE_NAME
, 사용할 jupyter-server-3 컨테이너 이미지를 정의합니다. - 커널 게이트웨이 앱 설정 지정 - 가져오기
KERNEL_GATEWAY_APP_IMAGE_NAME
, 사용할 datascience-2.0 컨테이너 이미지를 정의합니다. - 나열된 각 사용자에 대한 사용자 프로필을 생성합니다.
다음 코드 조각은 AWS CDK에 정의된 관련 Studio 도메인 AWS CloudFormation 리소스를 보여줍니다.
다음 코드 조각은 AWS CloudFormation 리소스에서 생성된 사용자 프로필을 보여줍니다.
스튜디오 스택 파일
구성이 정의된 후 클래스의 인스턴스를 만들고 스택 내부에 필요한 인수를 전달하여 구성을 추가할 수 있습니다. 스택은 하나의 일관된 배포의 일부로 AWS CloudFormation 리소스를 생성합니다. 즉, 하나 이상의 클라우드 리소스 생성에 실패하면 CloudFormation 스택이 수행된 모든 변경 사항을 롤백합니다. Studio 구성의 다음 코드 스니펫은 Studio 스택 내부에서 인스턴스화합니다.
AWS CDK 스택 배포
AWS CDK 스택을 배포하려면 터미널 창에 있는 프로젝트의 루트 디렉터리에서 다음 명령을 실행합니다.
aws configure
pip3 install -r requirements.txt
cdk bootstrap --app "python3 -m cdk.app"
cdk deploy --app "python3 -m cdk.app"
AWS CDK가 AWS 계정에서 생성하는 리소스를 검토하고 스택을 배포하라는 메시지가 표시되면 예를 선택합니다. 스택 배포가 완료될 때까지 기다리십시오. 일반적으로 5분 미만이 소요됩니다. 그러나 더 많은 리소스를 추가하면 배포 시간이 길어집니다. 에서 배포 상태를 확인할 수도 있습니다. AWS CloudFormation 콘솔.
스택이 성공적으로 배포되면 Studio 제어판으로 이동하여 해당 정보를 확인합니다. 생성한 SageMaker Studio 사용자 프로필이 표시되어야 합니다.
스택을 재배포하면 변경 사항을 확인하고 필요한 클라우드 리소스 업데이트만 수행합니다. 예를 들어 사용자를 추가하거나 다음의 권한을 변경하는 데 사용할 수 있습니다. 정의된 모든 클라우드 리소스를 다시 생성할 필요 없이 해당 사용자.
대청소
스택을 삭제하려면 다음 단계를 완료하십시오.
- AWS CloudFormation 콘솔에서 스택 탐색 창에서
- 삭제할 스택을 엽니다.
- 스택 세부 정보 창에서 다음을 선택합니다. ..
- 왼쪽 메뉴에서 스택 삭제 메시지가 나타나면
AWS CloudFormation은 스택이 배포될 때 생성된 리소스를 삭제합니다. 생성된 리소스의 양에 따라 다소 시간이 걸릴 수 있습니다.
이러한 정리 단계를 진행하는 동안 문제가 발생하면 다음을 수행해야 할 수 있습니다. Studio 도메인 수동 삭제 이 섹션의 단계를 반복하기 전에 먼저.
결론
이 게시물에서는 AWS 클라우드 네이티브 IaC 리소스를 사용하여 Studio 배포를 위해 쉽게 재사용할 수 있는 템플릿을 구축하는 방법을 보여주었습니다. SageMaker Studio는 JupyterLab3을 기반으로 하는 ML 개발 작업을 위한 시각적 인터페이스를 제공하는 완전히 통합된 웹 기반 IDE입니다. AWS CDK 스택을 사용하여 기본 CloudFormation 스택을 변경하여 쉽게 수정, 편집 또는 삭제할 수 있는 클라우드 구성 요소를 구축하기 위한 구조를 정의할 수 있었습니다.
Amazon Studio에 대한 자세한 내용은 다음을 참조하십시오. 아마존 세이지 메이커 스튜디오.
저자에 관하여
코리 헤어스톤 Amazon ML Solutions Lab의 소프트웨어 엔지니어입니다. 그는 새로운 기술을 배우고 그 정보를 활용하여 재사용 가능한 소프트웨어 솔루션을 구축하는 데 열심입니다. 그는 열렬한 파워 리프터이며 자유 시간을 디지털 아트를 만드는 데 보냅니다.
마르셀로 애 버레 AWS AI 조직의 ML 엔지니어입니다. 그는 Amazon ML Solutions Lab에서 MLOps 활동을 이끌고 고객이 확장 가능한 ML 시스템을 설계하고 구현하도록 돕고 있습니다. 그의 임무는 엔터프라이즈 ML 여정에서 고객을 안내하고 프로덕션으로의 ML 경로를 가속화하는 것입니다.
야쉬 샤 의 과학 관리자입니다. Amazon ML 솔루션 랩. 그와 그의 응용 과학자 및 기계 학습 엔지니어 팀은 의료, 스포츠, 자동차 및 제조 분야의 다양한 기계 학습 사용 사례를 연구합니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/set-up-amazon-sagemaker-studio-with-jupyter-lab-3-using-the-aws-cdk/
- 1
- 100
- a
- 할 수 있는
- 소개
- 가속
- ACCESS
- 계정
- AI
- All
- 수
- 아마존
- Amazon ML 솔루션 랩
- 아마존 세이지 메이커
- 아마존 세이지 메이커 스튜디오
- 양
- 과
- 앱
- 어플리케이션
- 적용된
- 신청
- 접근
- 불타는
- 지역
- 인수
- 미술
- 자동화
- 자동화
- 자동차
- AWS
- AWS 클라우드 포메이션
- 뒤로
- 기반으로
- 가
- 전에
- BEST
- 모범 사례
- 사이에
- 블록
- 부트 스트랩
- 빌드
- 건물
- 내장
- 가지 경우
- 이전 단계로 돌아가기
- 변경
- 검사
- 왼쪽 메뉴에서
- 클라우드
- 암호
- 일관성
- 협동
- 수집
- 결합
- 공통의
- 비교
- 완전한
- 구성 요소들
- 콘솔에서
- 구축
- 컨테이너
- 이 포함되어 있습니다
- 제어
- 제어판
- 만들
- 만든
- 생성
- 만들기
- 창조
- 고객
- 데이터
- 태만
- 정의
- 의존
- 배포
- 배포
- 배치
- 전개
- 배포
- 디자인
- 세부 묘사
- 세부설명
- 개발
- 디지털
- 디지털 아트
- 사용
- 도메인
- 아래 (down)
- 마다
- 용이하게
- 노력
- 교전
- 기사
- 엔지니어링
- 엔지니어
- Enterprise
- 환경
- 오류
- 에테르 (ETH)
- 예
- 예
- 실패
- 특색
- 사람
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- 먼저,
- 따라
- 수행원
- 뼈대
- 무료
- 에
- 충분히
- 기능
- 추가
- 게이트웨이
- 세대
- 얻을
- GitHub의
- 가는
- 안내
- 안내서
- 데
- 건강 관리
- 도움이
- 방법
- How To
- 그러나
- HTML
- HTTPS
- 사람의
- IAC
- IAM
- 통합 인증
- 영상
- 구현
- 개선하는
- in
- 정보
- 인프라
- 설치
- 예
- 통합 된
- 인터페이스
- 문제
- IT
- 자바
- 자바 스크립트
- 여행
- JSON
- 실험실
- 언어
- 지도
- 배우기
- 레버리지
- 상장 된
- 하중
- 보기
- 기계
- 기계 학습
- 본관
- 유튜브 영상을 만드는 것은
- 매니저
- 제조
- 방법
- 메타 데이터
- 분
- Mission
- ML
- MLOps
- 모델
- 모델
- 수정
- 배우기
- 움직임
- 여러
- 출신
- 카테고리
- 필요한
- 필요
- 신제품
- 새로운 기술
- 제공
- ONE
- 오픈 소스
- 오픈 소스 소프트웨어
- 조직
- 기타
- 빵
- 패널
- 매개 변수
- 부품
- 통과
- 통로
- 수행
- 실행할 수 있는
- 권한
- 장소
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 게시하다
- 사례
- Prepare
- 전제 조건
- 원칙
- 사설
- 방법
- 생산
- 프로필
- 프로필
- 프로그램 작성
- 프로젝트
- 제공
- Python
- 범위
- 감소
- 지방
- 관련된
- 저장소
- 대표
- 필수
- 요구조건 니즈
- 의지
- 자료
- 결과
- 재사용 가능한
- 직위별
- 롤
- 뿌리
- 달리기
- 현자
- 확장성
- 과학
- 과학자
- 범위
- 섹션
- 보안
- 본인
- 봉사하다
- 세트
- 설정
- 설정
- 영상을
- 쇼
- 소프트웨어
- 소프트웨어 개발
- 소프트웨어 엔지니어
- 소프트웨어 공학
- 솔루션
- 일부
- 스포츠
- 스택
- 스택
- 시작
- Status
- 단계
- 간소화 된
- 스튜디오
- 성공적으로
- 이러한
- SUPPORT
- 표면
- 체계
- 시스템은
- 받아
- 소요
- 작업
- 팀
- 기술
- 이 템플릿
- 단말기
- 테스트
- XNUMXD덴탈의
- 그들의
- 을 통하여
- 시간
- 에
- Train
- 전형적인
- 일반적으로
- 밑에 있는
- 업데이트
- 업데이트
- 사용
- 사용자
- 사용자
- 온라인
- 기다리다
- 웹 기반
- 동안
- 의지
- 이내
- 없이
- 작업
- 쓴
- 너의
- 제퍼 넷