使用 Amazon SageMaker 构建语义内容推荐系统

Amazon Simple Storage Service (Amazon S3) 是一种对象存储服务，提供行业领先的可扩展性、数据可用性、安全性和性能。

训练模型会产生模型训练数据和模型构件。在本实验室中，您将使用 Amazon S3 存储桶暂存训练和验证数据集，并存储 Amazon SageMaker 在模型训练期间生成的模型构件。

要创建 Amazon S3 存储桶：

1. 登录 AWS 管理控制台并打开 Amazon S3 控制台。
2. 选择创建存储桶。
3. 对于存储桶名称，请键入 sagemaker-xx，其中 xx 是您的首字母缩写，可让您的存储桶名称成为唯一名称。
4. 在区域中，选择您希望存储桶驻留的 AWS 区域。
   
5. 在阻止公有访问的存储桶设置中，保持设置的启用状态。
6. 选择创建存储桶。
   

Amazon SageMaker 笔记本实例是一个完全托管的机器学习 (ML) Amazon Elastic Compute Cloud (Amazon EC2) 计算实例，该实例运行 Jupyter 笔记本应用程序。

在本实验室中，您将使用笔记本实例创建和管理您的 Jupyter 笔记本，您可以使用该笔记本准备和处理数据，并训练和部署您的内容推荐机器学习模型。   

要创建 Amazon SageMaker 笔记本实例：

1. 打开 Amazon SageMaker 控制台。
   
2. 选择笔记本实例，然后选择创建笔记本实例。
3. 在创建笔记本实例页面的笔记本实例名称中，输入笔记本实例的名称。
4. 对于实例类型，选择 ml.t2.medium。该实例是笔记本实例支持的最便宜的实例类型，对于本次练习来说足够了。
5. 对于 IAM 角色，选择创建新角色，然后选择创建角色。
6. 选择创建笔记本实例。

Amazon SageMaker 可以在几分钟内启动一个 ML 计算实例（在本案例中为笔记本实例）并将 ML 存储卷附加到该实例上。笔记本实例有一个预先配置的 Jupyter 笔记本服务器和一组 Anaconda 库。

您可以在 Amazon SageMaker 笔记本实例中创建一个 Jupyter 笔记本。您还可以创建一个单元格来获取您的笔记本运行 Amazon SageMaker API 所需的 IAM 角色，并指定您将用于存储数据集以用于训练数据的 Amazon S3 存储桶名称，及 Amazon SageMaker 训练作业输出的模型构件。

要创建 Jupyter 笔记本：

1. 打开 Amazon SageMaker 控制台。
2. 选择笔记本实例，然后通过选择适用于经典 Juypter 视图的打开 Jupyter 或适用于 JupyterLab 视图的打开 JupyterLab来打开您创建的笔记本实例。
   注意：如果您在状态栏中的笔记本实例右侧看到“待处理”，则您的笔记本仍在创建中。当笔记本可以使用时，状态将变为“可用”。
3. 创建笔记本。
   • 如果您在 Jupyter 中打开了笔记本，则在文件选项卡中，依次选择新建和conda_python3。这个预安装的环境包括默认的 Anaconda 安装和 Python
   • 如果您已在 JupyterLab 中打开了笔记本，则在文件菜单中，依次选择新建和笔记本。对于选择内核，选择 conda_python3。这个预安装的环境包括默认的 Anaconda 安装和 Python 3。
4. 在 Jupyter 笔记本中，选择文件和另存为，然后为笔记本命名。