了解如何在 Amazon SageMaker Studio 中不停机更新笔记本实例类型

Amazon Web Services (AWS) 很高兴地宣布在 Amazon SageMaker Studio 中正式推出笔记本功能。Amazon SageMaker Studio 支持不停机更新机器学习 (ML) 实例类型、使用优化的 Amazon SageMaker 映像以及共享 Jupyter 笔记本。您可以将笔记本从在一种实例类型上切换为在另一种实例类型，并使用同一个笔记本内核（notebook kernel），例如从 ml.t3.medium 切换到 ml.p3.2xlarge，而无需中断工作或管理基础设施。从一个实例切换到另一个实例是无缝操作，您可以在实例启动时继续写代码。Amazon SageMaker Studio 域创建的时候会使用 Amazon Elastic File System (Amazon EFS)，因此您的笔记本和数据将在新实例上立即可用。域中的每个用户都将在 EFS 卷上创建一个主目录，无需担心数据丢失。

在 Amazon SageMaker Studio 中使用笔记本

您可以通过 Amazon SageMaker Studio 访问笔记本，Amazon SageMaker Studio是首个基于 Web 的机器学习开发集成开发环境。一旦开始使用 Amazon SageMaker Studio，您就可以开始受益于不同实例类型的灵活性。

以下屏幕截图显示了两个并排的正在运行的笔记本。

左侧笔记本在 Data Science SageMaker 映像上（使用具有 2 个 vCPU 和 4 GiB 的实例）运行 Python 3 Jupyter 笔记本。右侧笔记本在具有 4 个 vCPU 和 16 GiB 内存的 GPU 实例上运行 PyTorch GPU 优化型 SageMaker 映像。这两个笔记本在不同的实例上运行，每个实例都可以消耗该实例的全部资源，而不会占用另一个实例资源，这使您能够在一个笔记本上自由地进行原型设计，同时在另一个实例上执行密集计算验证。

当您在 Amazon SageMaker Studio 中选择实例时（与选择笔记本内核的方式相同），将显示选择实例弹出框。

此对话框显示当前笔记本所使用的实例类型。同时显示支持快速启动的实例类型及其规格（vCPU，GPU以及内存），快速启动意味着这些实例可以在更短的时间提供服务。禁用仅显示快速启动将显示 Amazon SageMaker Studio 中支持的所有 ML 实例的列表。

当您为笔记本选择新的实例类型时，您会收到有关该更换过程正在进行的通知。

在更改实例时，您仍然可以编辑当前笔记本上的代码，但是在实例运行之前，无法执行代码单元格。但是，这仅适用于该处于更新状态的笔记本，Amazon SageMaker Studio的其他笔记本和其他功能均会继续可用，而不会出现中断。在前面的屏幕截图中，数据科学家正在使用拆分面板中的 Git 插件来查看对笔记本所做的某些更改。

Amazon SageMaker Studio 提供了适用于 TensorFlow、MXNet、PyTorch、TensorFlow 2、Data Science 和 Python 的预配置 Amazon SageMaker 映像。这些映像基于优化且预先打包的 AWS Deep Learning Containers。Data Science 映像适合最常见的数据科学工作流，包括热门的 Anaconda 发行版、AWS 命令行界面 (AWS CLI) 和 Amazon SageMaker Python 开发工具包。基础 Python 映像提供了最小的 Python 3 运行时，没有其他依赖项。

以下屏幕截图显示Amazon SageMaker Studio 的启动器页面，它允许您使用任何 Amazon SageMaker 映像创建笔记本、交互式 shell 或终端。在隔离环境中启动笔记本（内核）、shell 和终端的功能是 Amazon SageMaker Studio 的一项独特创新。

Amazon SageMaker Studio 允许您与同事无缝共享笔记本。您可以在 Studio 中为笔记本生成一个可共享的链接，而同事可以使用此链接将笔记本导入到他们的工作区中，以便查看或继续对其进行迭代。

以下屏幕截图显示正在运行的面板，它列出了正在运行的 Amazon SageMaker 映像。此面板还将显示哪些笔记本内核和终端正在哪些实例上运行。

您可以通过以下方式关闭映像：