Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # JupyterLab Controllo delle versioni in Amazon Studio Classic SageMaker **Importante** Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente il tagging, possono verificarsi errori durante il tentativo di creare risorse. AccessDenied Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions). [AWS politiche gestite per Amazon AI SageMaker](security-iam-awsmanpol.md)che forniscono le autorizzazioni per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse. **Nota** Al 30 novembre 2023, la precedente esperienza con Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’applicazione Studio Classic. Per informazioni sull’utilizzo dell’esperienza Studio aggiornata, consulta [Amazon Studio SageMaker](studio-updated.md). Studio Classic è ancora gestito per i carichi di lavoro esistenti ma non è più disponibile per l'onboarding. È possibile interrompere o eliminare solo le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [ migrare il carico di lavoro alla nuova esperienza di Studio. ](studio-updated-migrate.md) L'interfaccia di Amazon SageMaker Studio Classic si basa su JupyterLab, un ambiente di sviluppo interattivo basato sul Web per notebook, codice e dati. Studio Classic supporta solo l'utilizzo di 3. JupyterLab Se hai creato il dominio e il profilo utente utilizzando la versione Console di gestione AWS precedente a 08/31 /2022 o la versione AWS Command Line Interface precedente a 02/22 /23, l'istanza di Studio Classic per impostazione predefinita era 1. JupyterLab Dopo 07/01 /2024, non è possibile creare alcuna applicazione Studio Classic che esegua 1. JupyterLab ## JupyterLab 3 JupyterLab 3 include le seguenti funzionalità che non sono disponibili nelle versioni precedenti. Per ulteriori informazioni su queste funzionalità, vedi la [ JupyterLab versione 3.0\! ](https://blog.jupyter.org/jupyterlab-3-0-is-out-4f58385e25bb). + Debugger visivo quando utilizzi i kernel Base Python 2.0 e Data Science 2.0. + Filtro del browser di file + Sommario + Multi-language supporto + Modalità semplice + Modalità interfaccia singola ### Modifiche importanti a JupyterLab 3 Quando usi JupyterLab 3, considera quanto segue: + Quando imposti la JupyterLab versione utilizzando il AWS CLI, seleziona l'immagine corrispondente per la tua regione e JupyterLab versione dall'elenco delle immagini in[Dal AWS CLI](#studio-jl-set-cli). + In JupyterLab 3, è necessario attivare l'ambiente `studio` conda prima di installare le estensioni. Per ulteriori informazioni, consulta [Installazione JupyterLab ed estensioni del server Jupyter](#studio-jl-install). + Debugger è supportato solo quando si utilizzano le seguenti immagini: + Base Python 2.0 + Data Science 2.0 + Base Python 3.0 + Data Science 3.0 ## Limitazione della JupyterLab versione predefinita utilizzando una chiave di condizione della politica IAM Puoi utilizzare le chiavi di condizione della policy IAM per limitare la versione JupyterLab che gli utenti possono avviare. La seguente politica mostra come limitare la JupyterLab versione a livello di dominio. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BlockJupyterLab3DomainLevelAppCreation", "Effect": "Deny", "Action": [ "sagemaker:CreateDomain", "sagemaker:UpdateDomain" ], "Resource": "*", "Condition": { "ForAnyValue:ArnLike": { "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:{{111122223333}}:image/jupyter-server-3" } } } ] } ``` ------ La seguente politica mostra come limitare la JupyterLab versione a livello di profilo utente. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BlockUsersFromCreatingJupyterLab3Apps", "Effect": "Deny", "Action": [ "sagemaker:CreateUserProfile", "sagemaker:UpdateUserProfile" ], "Resource": "*", "Condition": { "ForAnyValue:ArnLike": { "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:{{111122223333}}:image/jupyter-server-3" } } } ] } ``` ------ La seguente politica mostra come limitare la JupyterLab versione a livello di applicazione. La richiesta `CreateApp` deve includere l’ARN immagine affinché questa policy venga applicata. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BlockJupyterLab3AppLevelAppCreation", "Effect": "Deny", "Action": "sagemaker:CreateApp", "Resource": "*", "Condition": { "ForAnyValue:ArnLike": { "sagemaker:ImageArns": "arn:aws:sagemaker:us-east-1:{{111122223333}}:image/jupyter-server-3" } } } ] } ``` ------ ## Impostazione di una JupyterLab versione predefinita Le sezioni seguenti mostrano come impostare una JupyterLab versione predefinita per Studio Classic utilizzando la console o il AWS CLI.  ### Mediante la console È possibile selezionare la JupyterLab versione predefinita da utilizzare a livello di dominio o di profilo utente durante la creazione della risorsa. Per impostare la JupyterLab versione predefinita utilizzando la console, consulta[Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md).  ### Dal AWS CLI È possibile selezionare la JupyterLab versione predefinita da utilizzare a livello di dominio o di profilo utente utilizzando il AWS CLI.  Per impostare la JupyterLab versione predefinita utilizzando il AWS CLI, è necessario includere l'ARN della JupyterLab versione predefinita desiderata come parte di un AWS CLI comando. Questo ARN è diverso in base alla versione e alla regione del SageMaker dominio AI.  La tabella seguente elenca gli ARN delle JupyterLab versioni disponibili per ciascuna regione: | Region | JL3 | | --- | --- | | us-east-1 | arn:aws:sagemaker:us-east-1:081325390199:image/jupyter-server-3 | | us-east-2 | arn:aws:sagemaker:us-east-2:429704687514:image/jupyter-server-3 | | us-west-1 | arn:aws:sagemaker:us-west-1:742091327244:image/jupyter-server-3 | | us-west-2 | arn:aws:sagemaker:us-west-2:236514542706:image/jupyter-server-3 | | af-south-1 | arn:aws:sagemaker:af-south-1:559312083959:image/jupyter-server-3 | | ap-east-1 | arn:aws:sagemaker:ap-east-1:493642496378:image/jupyter-server-3 | | ap-south-1 | arn:aws:sagemaker:ap-south-1:394103062818:image/jupyter-server-3 | | ap-northeast-2 | arn:aws:sagemaker:ap-northeast-2:806072073708:image/jupyter-server-3 | | ap-southeast-1 | arn:aws:sagemaker:ap-southeast-1:492261229750:image/jupyter-server-3 | | ap-southeast-2 | arn:aws:sagemaker:ap-southeast-2:452832661640:image/jupyter-server-3 | | ap-northeast-1 | arn:aws:sagemaker:ap-northeast-1:102112518831:image/jupyter-server-3 | | ca-central-1 | arn:aws:sagemaker:ca-central-1:310906938811:image/jupyter-server-3 | | eu-central-1 | arn:aws:sagemaker:eu-central-1:936697816551:image/jupyter-server-3 | | eu-west-1 | arn:aws:sagemaker:eu-west-1:470317259841:image/jupyter-server-3 | | eu-west-2 | arn:aws:sagemaker:eu-west-2:712779665605:image/jupyter-server-3 | | eu-west-3 | arn:aws:sagemaker:eu-west-3:615547856133:image/jupyter-server-3 | | eu-north-1 | arn:aws:sagemaker:eu-north-1:243637512696:image/jupyter-server-3 | | eu-south-1 | arn:aws:sagemaker:eu-south-1:592751261982:image/jupyter-server-3 | | eu-south-2 | arn:aws:sagemaker:eu-south-2:127363102723:image/jupyter-server-3 | | sa-east-1 | arn:aws:sagemaker:sa-east-1:782484402741:image/jupyter-server-3 | | cn-north-1 | arn:aws-cn:sagemaker:cn-north-1:390048526115:image/jupyter-server-3 | | cn-northwest-1 | arn:aws-cn:sagemaker:cn-northwest-1:390780980154:image/jupyter-server-3 | #### Creazione o aggiornamento del dominio È possibile impostare una JupyterServer versione predefinita a livello di dominio richiamando [ CreateDomain ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateDomain.html) o [ UpdateDomain ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateDomain.html) e passando il `UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn` campo. Quanto segue mostra come creare un dominio con JupyterLab 3 come predefinito, utilizzando: AWS CLI ``` aws --region {{}} \ sagemaker create-domain \ --domain-name {{}} \ --auth-mode {{}} \ --subnet-ids {{}} \ --vpc-id {{}} \ --default-user-settings '{   "JupyterServerAppSettings": {     "DefaultResourceSpec": {       "SageMakerImageArn": "arn:aws:sagemaker:{{}}:{{}}:image/jupyter-server-3",       "InstanceType": "system"     }   } }' ``` Quanto segue mostra come aggiornare un dominio per utilizzare JupyterLab 3 come predefinito, utilizzando AWS CLI: ``` aws --region {{}} \ sagemaker update-domain \ --domain-id {{}} \ --default-user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:{{}}:{{}}:image/jupyter-server-3", "InstanceType": "system" } } }' ``` #### Creazione o aggiornamento di un profilo utente È possibile impostare una JupyterServer versione predefinita a livello di profilo utente richiamando [ CreateUserProfile ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateUserProfile.html) o [ UpdateUserProfile ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateUserProfile.html) e passando il `UserSettings.JupyterServerAppSettings.DefaultResourceSpec.SageMakerImageArn` campo. Quanto segue mostra come creare un profilo utente con JupyterLab 3 come predefinito su un dominio esistente, utilizzando: AWS CLI ``` aws --region {{}} \ sagemaker create-user-profile \ --domain-id {{}} \ --user-profile-name {{}} \ --query UserProfileArn --output text \ --user-settings '{   "JupyterServerAppSettings": {     "DefaultResourceSpec": {       "SageMakerImageArn": "arn:aws:sagemaker:{{}}:{{}}:image/jupyter-server-3",       "InstanceType": "system"     }   } }' ``` Quanto segue mostra come aggiornare un profilo utente per utilizzare JupyterLab 3 come predefinito, utilizzando AWS CLI: ``` aws --region {{}} \ sagemaker update-user-profile \ --domain-id {{}} \ --user-profile-name {{}} \ --user-settings '{ "JupyterServerAppSettings": { "DefaultResourceSpec": { "SageMakerImageArn": "arn:aws:sagemaker:{{}}:{{}}:image/jupyter-server-3", "InstanceType": "system" } } }' ``` ## Visualizza e aggiorna la JupyterLab versione di un'applicazione dalla console Di seguito viene illustrato come visualizzare e aggiornare la JupyterLab versione di un'applicazione. 1. Vai alla ** pagina dei ** domini SageMaker AI. 1. Seleziona un dominio per visualizzarne i profili utente. 1. Seleziona un utente per visualizzarne le applicazioni. 1. Per visualizzare la JupyterLab versione di un'applicazione, seleziona il nome dell'applicazione. 1. Per aggiornare la JupyterLab versione, seleziona ** Azione**. 1. Dal menu a discesa, seleziona ** Cambia JupyterLab versione**. 1. Dalla ** pagina delle impostazioni di ** Studio Classic, seleziona la JupyterLab versione dal menu a discesa. 1. Dopo che la JupyterLab versione per il profilo utente è stata aggiornata correttamente, riavvia l' JupyterServer applicazione per rendere effettive le modifiche alla versione. Per ulteriori informazioni sul riavvio di un' JupyterServer applicazione, vedere. [Chiudi e aggiorna Amazon SageMaker Studio Classic](studio-tasks-update-studio.md) ## Installazione JupyterLab ed estensioni del server Jupyter In JupyterLab 3, è necessario attivare l'ambiente `studio` conda prima di installare le estensioni. Il metodo varia se stai installando le estensioni da Studio Classic o con uno script di configurazione del ciclo di vita. ### Installazione dell’estensione da Studio Classic Prima di installare le estensioni da Studio Classic, devi attivare l’ambiente `studio`. ``` # Before installing extensions conda activate studio # Install your extensions pip install {{}} # After installing extensions conda deactivate ``` ### Installazione delle estensioni tramite uno script di configurazione del ciclo di vita Se stai installando JupyterLab delle estensioni di Jupyter Server nello script di configurazione del ciclo di vita, devi modificare lo script in modo che funzioni con 3. JupyterLab Le sezioni seguenti mostrano il codice necessario per gli script di configurazione del ciclo di vita esistenti e nuovi. #### Script di configurazione del ciclo di vita Se stai riutilizzando uno script di configurazione del ciclo di vita esistente che deve funzionare con entrambe le versioni di JupyterLab, utilizza il codice seguente nello script: ``` # Before installing extension export AWS_SAGEMAKER_JUPYTERSERVER_IMAGE="${AWS_SAGEMAKER_JUPYTERSERVER_IMAGE:-'jupyter-server'}" if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ] ; then eval "$(conda shell.bash hook)" conda activate studio fi; # Install your extensions pip install {{}} # After installing extension if [ "$AWS_SAGEMAKER_JUPYTERSERVER_IMAGE" = "jupyter-server-3" ]; then conda deactivate fi; ``` #### Nuovo script di configurazione del ciclo di vita Se stai scrivendo un nuovo script di configurazione del ciclo di vita che ne utilizza solo JupyterLab 3, puoi utilizzare il codice seguente nello script: ``` # Before installing extension eval "$(conda shell.bash hook)" conda activate studio # Install your extensions pip install {{}} conda deactivate ```