23.2.1. 報名

首先，我們需要在https://aws.amazon.com/注冊一個賬戶。為了提高安全性，鼓勵使用雙因素身份驗證。設置詳細的賬單和支出警報以避免任何意外情況也是一個好主意，例如，當忘記停止正在運行的實例時。登錄您的 AWS 賬戶后，轉到您的 控制臺并搜索“Amazon SageMaker”（見圖23.2.1），然后單擊它以打開 SageMaker 面板。

圖 23.2.1搜索并打開 SageMaker 面板。

23.2.2。創建 SageMaker 實例

接下來，讓我們創建一個筆記本實例，如圖23.2.2所示 。

圖 23.2.2創建 SageMaker 實例。

SageMaker 提供多種具有不同計算能力和價格的實例類型。創建筆記本實例時，我們可以指定其名稱和類型。在 圖 23.2.3中，我們選擇ml.p3.2xlarge：使用一個 Tesla V100 GPU 和一個 8 核 CPU，這個實例對于本書的大部分內容來說已經足夠強大了。

圖 23.2.3選擇實例類型。

圖 23.2.4指定 GitHub 倉庫。

23.2.3。運行和停止實例

創建實例可能需要幾分鐘時間。當實例準備好后，點擊它旁邊的“打開Jupyter”鏈接（圖23.2.5），這樣你就可以在這個實例上編輯和運行本書的所有Jupyter筆記本（類似于 23.1節中的步驟）。

圖 23.2.5在創建的 SageMaker 實例上打開 Jupyter。

完成您的工作后，不要忘記停止實例以避免進一步收費（圖 23.2.6）。

圖 23.2.6停止 SageMaker 實例。

23.2.4。更新筆記本

圖 23.2.7在 SageMaker 實例上打開一個終端。

您可能希望在從遠程存儲庫中提取更新之前提交您的本地更改。否則，只需在終端中使用以下命令丟棄所有本地更改：

cd SageMaker/d2l-pytorch-sagemaker/
git reset --hard
git pull

cd SageMaker/d2l-en-sagemaker/
git reset --hard
git pull

cd SageMaker/d2l-tensorflow-sagemaker/
git reset --hard
git pull

23.2.5。概括

• 我們可以使用 Amazon SageMaker 創建一個筆記本實例來運行本書的 GPU 密集型代碼。

• 我們可以通過 Amazon SageMaker 實例上的終端更新筆記本。

23.2.6. 練習

1. 使用 Amazon SageMaker 編輯并運行任何需要 GPU 的部分。

2. 打開終端以訪問托管本書所有筆記本的本地目錄。

Discussions