亚马逊AWS官方博客
现已推出预览版 — Amazon SageMaker Studio Lab，一项具有机器学习 (ML) 功能的免费学习和实验服务
我们在 AWS 的使命是让机器学习 (ML) 更易于访问。通过过去几年的多次对话，我了解到了许多 ML 初学者面临的障碍。现有的 ML 环境对于初学者来说通常太过复杂，或者限制太多而无法支持现代 ML 实验。初学者希望尽快开始学习，而不必担心启动基础设施、配置服务或实施计费警报以避免超出预算等问题。这凸显了许多人面临的另一个障碍：需要在注册时提供账单和信用卡信息。
如果您可以在一个可预测且可控的环境中托管您的 Jupyter 笔记本，并且不会意外出现大笔账单，会怎么样？ 一个在注册时根本不需要提供账单和信用卡信息的环境？
今天，我非常高兴地宣布推出 Amazon SageMaker Studio Lab 的公开预览版，这是一项免费服务，任何人都可以通过它来学习和试验 ML，而无需 AWS 账户、信用卡或云配置知识。
在 AWS，我们相信技术能够解决世界上最紧迫的问题。而且，我们支持客户采用创新方式使用这些技术发挥社会影响，并且引以为豪。
正因为如此，我还要很高兴地宣布启动使用 Amazon SageMaker Studio Lab 的 AWS 灾难响应骇客马拉松。骇客马拉松从今天开始，一直持续到 2022 年 2 月 7 日，是一边开始学习 ML，一边在世界各地做好事的好方法。我将在文章末尾分享有关如何参与这项活动的更多详细信息。
Amazon SageMaker Studio Lab 入门
Studio Lab 基于开源 JupyterLab，让您可以免费访问 AWS 计算资源，以便快速开始学习和试验 ML。Studio Lab 的设置也很简单。事实上，您唯一需要进行的配置就是一键选择您的项目是否需要 CPU 或 GPU 实例。我将向您演示如何操作。
第一步是在此处申请免费的 Studio Lab 账户。
账户申请获批后，您将收到一封电子邮件，其中包含指向 Studio Lab 账户注册页面的链接。现在，您可以使用经过批准的电子邮件地址创建账户，然后设置密码和用户名。此账户独立于 AWS 账户，不需要您提供任何账单信息。
创建账户并验证电子邮件地址后，即可登录 Studio Lab。现在，您可以为项目选择计算类型。您可以选择每个用户会话 12 小时的 CPU 或 4 小时的 GPU，并且可以使用无限数量的用户会话。此外，每个项目至少可获得 15 GB 的持久性存储空间。会话到期时，Studio Lab 将为您的环境拍摄快照。这样，您就可以从上次停下的地方继续。让我们为此演示选择 CPU，然后选择启动运行时。
实例运行后，选择开放项目以转到免费的 Studio Lab 环境并开始构建。不需要进行其他配置。
自定义您的环境
Studio Lab 附带一个 Python 基础映像，可帮助您入门。该映像仅预先安装了几个库，以便为实际需要的框架和库节省可用空间。
您可以直接在笔记本中使用 %conda install <package> 或 %pip install <package> 命令来自定义 Conda 环境并安装其他软件包。您还可以创建全新的自定义 Conda 环境，或安装开源 JupyterLab 和 Jupyter Server 扩展。有关详细说明，请参阅 Studio Lab 文档。
GitHub 集成
Studio Lab 与 GitHub 紧密集成，并提供对 Git 命令行的全面支持。这让您可以轻松地克隆、复制和保存项目。此外，您还可以将在 Studio Lab 中打开徽章添加到公共 GitHub 存储库中的 README.md 文件或笔记本中，以便与他人共享您的工作。
这使所有人都可以在 Studio Lab 中打开并查看笔记本。如果他们有 Studio Lab 账户，那么还可以运行笔记本。将以下标记添加到 README.md 文件或笔记本顶部，以添加在 Studio Lab 中打开徽章：
[](https://studiolab.sagemaker.aws/import/github/org/repo/blob/master/path/to/notebook.ipynb)
将 org、repo、path 和笔记本文件名替换为存储库的对应内容。然后，当您单击在 Studio Lab 中打开徽章时，它将在 Studio Lab 中预览笔记本。如果您的存储库在 GitHub 账户或组织内是私有的，并且您希望其他人使用它，则您必须另外在 GitHub 账户或组织级别安装 Amazon SageMaker GitHub 应用程序。
如果您拥有 Studio Lab 账户，则可以单击复制到项目，然后选择仅复制笔记本或将整个存储库克隆到 Studio Lab 账户中。此外，Studio Lab 还可以检查存储库是否包含 Conda 环境文件，并为您构建自定义 Conda 环境。
学习 ML 基础知识
如果您是 ML 的新手，那么 Studio Lab 会提供免费的教育内容来帮助您入门。Dive into Deep Learning（D2L，《动手学深度学习》）是一本免费的交互式书籍，教授 ML 和 DL 背后的思想、数学和代码。 通过 AWS Machine Learning 大学 (MLU)，您可以访问用于对 Amazon 自己的开发人员进行 ML 培训的相同 ML 课程。Hugging Face 是一个大型开源社区，也是预训练深度学习 (DL) 模型的中心。这主要针对自然语言处理。只需单击几下，即可将 D2L、MLU 和 Hugging Face 中的相关笔记本导入到 Studio Lab 环境中。
参加使用 Amazon SageMaker Studio Lab 的 AWS 灾难响应骇客马拉松
自然灾害的频率和严重程度都在增加。仅今年一年，我们就看到美国西部以及希腊和土耳其等国家遭遇了严重的森林大火、欧洲发生了大洪水，以及飓风艾达对路易斯安那州海岸造成巨大的影响。作为回应，政府、企业、非营利组织和国际组织比以往任何时候都更加重视备灾和响应。
通过总价为 54000 USD的 AWS 灾难响应骇客马拉松，我们希望能够激发运用 ML 解决自然灾害防备和响应方面的紧迫挑战的方法。
立即参加骇客马拉松开始构建，别忘了在 2022 年 2 月 7 日之前提交您的项目。此次骇客马拉松也是为了创造“最大的机器学习竞赛”吉尼斯世界纪录而做的一次尝试。
加入预览版试用
从今天开始，您可以申请免费的 Amazon SageMaker Studio Lab 账户。新账户的注册次数将受到限制，以确保为所有客户提供高质量的体验。您可以在 Studio Lab GitHub 存储库中找到示例笔记本。立即试用，并向我们提供反馈。
申请免费的 Amazon SageMaker Studio Lab 账户。
– Antje