Amazon SageMaker Studio Lab

使用无设置的免费开发环境学习和试验 ML

免费的机器学习开发环境,为学习和试验 ML 提供计算、存储和安全性

通过一个有效的电子邮件地址即可开始使用,无需配置基础设施或管理身份和访问权限,甚至无需注册 AWS 账户

GitHub 集成并预配置了最流行的 ML 工具、框架和库,因此您可以立即开始使用

Amazon SageMaker Studio Lab 是一个免费的机器学习(ML)开发环境,它免费提供计算、存储(高达 15GB)和安全性,供任何人学习和试验 ML。您只需一个有效的电子邮件地址即可开始使用,无需配置基础设施或管理身份和访问权限,甚至无需注册 AWS 账户。SageMaker Studio Lab 通过 GitHub 集成加速模型构建,它预配置了最流行的 ML 工具、框架和库,可让您立即开始使用。SageMaker Studio Lab 会自动保存您的工作,因此您无需在会话之间重新启动。就像合上笔记本电脑然后再回来一样简单。

使用 Amazon SageMaker Studio Lab 学习和试验 ML(1:03)

工作原理

Amazon SageMaker Studio Lab 工作原理

主要功能

无需 AWS 账户

要开始使用 SageMaker Studio Lab,请使用您的电子邮件地址在 studiolab.sagemaker.aws 上注册一个账户。您的 SageMaker Studio Lab 账户与 AWS 账户是相互独立的,不需要信用卡。

选择计算能力

SageMaker Studio Lab 为您的项目提供 CPU 或 GPU 会话。您可以选择运行笔记本,将 12 小时 CPU 会话用于复杂算法,或者将 4 小时 GPU 会话用于深度学习(DL)架构,如卷积神经网络(CNN)和递归神经网络(RNN)。您可以运行的计算会话数量没有限制,一个会话结束后,您可以开始一个新的会话。

持久性存储

SageMaker Studio Lab 提供 15 GB 免费长期存储的持久性会话,因此您可以保存工作并从上次停止的地方继续。会话结束时,您的工作会自动保存在专用存储中。

持久性存储

预打包的 ML 框架

为您的项目选择最佳的 Python 软件包管理器,如 Pip、Conda 或 Mamba。默认情况下,SageMaker Studio Lab 支持终端和 Git 命令行以及 GitHub 集成进行协作。设置快速简单,运行 Jupyter 笔记本不需要任何配置。

资源

博客

如何开始使用 SageMaker Studio Lab

视频

SageMaker Studio Lab 的深入演示

视频

使用 SageMaker Studio Lab 改进灾难响应

DOC

GitHub 上的 SageMaker Studio Lab 示例