Amazon SageMaker Studio Lab
Lernen und experimentieren Sie mit ML in einer kostenlosen Entwicklungsumgebung, die keine Einstellungen erfordert
Kostenlose Entwicklungsumgebung für Machine Learning, die die Datenverarbeitung, den Speicherplatz und die Sicherheit bietet, um mit ML zu lernen und zu experimentieren
Alles, was Sie für den Anfang benötigen, ist eine gültige E-Mail-Adresse. Sie müssen keine Infrastruktur konfigurieren, Identität und Zugriff verwalten oder sich für ein AWS-Konto anmelden.
GitHub-Integration und vorkonfiguriert mit den beliebtesten ML-Tools, Frameworks und Bibliotheken, damit Sie sofort loslegen können.
Amazon SageMaker Studio Lab ist eine kostenlose Entwicklungsumgebung für Machine Learning (ML), die kostenlos Computing, Speicher (bis zu 15 GB) und Sicherheit bietet, damit jeder mit ML lernen und experimentieren kann. Alles, was Sie für den Anfang benötigen, ist eine gültige E-Mail-Adresse, Sie müssen keine Infrastruktur konfigurieren, Identität und Zugriff verwalten oder sich für ein AWS-Konto anmelden. SageMaker Studio Lab beschleunigt die Modellerstellung durch die GitHub-Integration und ist mit den beliebtesten ML-Tools, Frameworks und Bibliotheken vorkonfiguriert, damit Sie sofort loslegen können. SageMaker Studio Lab speichert Ihre Arbeit automatisch, sodass Sie zwischen den Sitzungen nicht neu starten müssen. Sie können einfach Ihren Laptop schließen und später wiederkommen.
Funktionsweise
Wichtigste Funktionen
Kein AWS-Konto erforderlich
Um mit SageMaker Studio Lab zu beginnen, verwenden Sie Ihre E-Mail-Adresse, um sich für ein Konto auf studiolab.sagemaker.aws zu registrieren. Ihr SageMaker Studio Lab-Konto ist unabhängig von einem AWS-Konto und erfordert keine Kreditkarte.
Datenverarbeitungsleistung wählen
SageMaker Studio Lab bietet entweder CPU- oder GPU-Sitzungen für Ihr Projekt an. Sie können wählen, ob Sie Notebooks mit einer 12-stündigen CPU-Sitzung für komplexe Algorithmen oder einer 4-stündigen GPU-Sitzung für DL-Architekturen (Deep Learning) wie Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN) ausführen möchten. Die Anzahl der Datenverarbeitungssitzungen, die Sie durchführen können, ist unbegrenzt. Nachdem eine Sitzung beendet ist, können Sie eine neue starten.
Persistenter Speicher
SageMaker Studio Lab bietet dauerhafte Sitzungen mit 15 GB kostenlosem Langzeitspeicher, damit Sie Ihre Arbeit speichern und dort fortsetzen können, wo Sie aufgehört haben. Wenn eine Sitzung endet, wird Ihre Arbeit automatisch in einem speziellen Speicher gespeichert.
Vorgefertigte ML-Frameworks
Wählen Sie den besten Python-Paketmanager für Ihr Projekt, z. B. Pip, Conda oder Mamba. Standardmäßig unterstützt SageMaker Studio Lab das Terminal und die Git-Befehlszeilen sowie die GitHub-Integration für die Zusammenarbeit. Die Einrichtung ist schnell und einfach, und es ist keine Konfiguration erforderlich, um ein Jupyter Notebook auszuführen.
