1 回答
- 最新
- 投票最多
- 评论最多
0
【以下的回答经过翻译处理】 一些有用的要点:
- 云端和本地之间的常见争议也适用于SageMaker笔记本电脑,如Cloud9、Workspaces等:可以将您的工作与笔记本电脑的生命周期分离,即使您的本地计算机关闭了也可以保持工作进行,同时还可以为工作负载选择合适大小的实例。
- SageMaker笔记本电脑已经在明确的IAM上下文(通过指定执行角色)中运行,所以您不需要像在本地计算机上通过CLI登录一样登录... 只需要运行
sagemaker.get_execution_role()
- 预先构建的环境适用于各种用例(例如通用数据科学、TensorFlow、PyTorch、MXNet等),已经安装了库,并且通过停止和启动实例轻松擦除/重置环境,不再在本地笔记本电脑上出现“环境混乱”。
- 基于Linux的环境通常比Mac/Windows更快地实现生产代码路径。
- 如果您开始使用SageMaker Studio,那么有特有的集成无法在本地使用,例如实验跟踪和终端点管理/监视的用户界面,;轻松共享笔记本电脑快照;以及在接下来的几周中可能公布的其他内容。
相关内容
- AWS 官方已更新 2 年前
- AWS 官方已更新 3 年前
- AWS 官方已更新 3 年前
- AWS 官方已更新 2 年前