Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Personalización de un entorno mediante un administrador de paquetes
<a name="studio-updated-jl-user-guide-customize-package-manager"></a>

Utilice pip o conda para personalizar el entorno. Recomendamos usar administradores de paquetes en lugar de scripts de configuración del ciclo de vida. 

## Creación y activación de un entorno personalizado
<a name="studio-updated-jl-create-basic-conda"></a>

En esta sección se proporcionan ejemplos de las distintas formas en las que se puede configurar un entorno JupyterLab.

Un entorno conda básico tiene la cantidad mínima de paquetes que se requieren para sus flujos de trabajo en SageMaker IA. Utilice la siguiente plantilla para crear un entorno de conda básico:

```
# initialize conda for shell interaction
conda init

# create a new fresh environment
conda create --name test-env

# check if your new environment is created successfully
conda info --envs

# activate the new environment
conda activate test-env

# install packages in your new conda environment
conda install pip boto3 pandas ipykernel

# list all packages install in your new environment 
conda list

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# to exit your new environment
conda deactivate
```

En la imagen siguiente, se muestra la ubicación del entorno que se ha creado.

![\[En la esquina superior derecha de la pantalla, se muestra el entorno test-env.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/juptyer-notebook-environment-location.png)


Para cambiar su entorno, elíjalo y seleccione una opción del menú desplegable.

![\[La marca de verificación y su texto correspondiente indican el ejemplo de entorno creado anteriormente.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/jupyter-notebook-select-env.png)


Elija **Seleccionar** para seleccionar un kernel para el entorno.

## Creación de un entorno de conda con una versión específica de Python
<a name="studio-updated-jl-create-conda-version"></a>

Eliminar los entornos de conda que no se utilizan puede ayudar a liberar espacio en disco y mejorar el rendimiento. Utilice la siguiente plantilla para eliminar un entorno de conda:

```
# create a conda environment with a specific python version
conda create --name py38-test-env python=3.8.10

# activate and test your new python version
conda activate py38-test-env & python3 --version

# Install ipykernel to facilicate env registration
conda install ipykernel

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# deactivate your py38 test environment
conda deactivate
```

## Creación de un entorno de conda con un conjunto específico de paquetes
<a name="studio-updated-jl-create-conda-specific-packages"></a>

Utilice la siguiente plantilla para crear un entorno de conda con una versión específica de Python y un conjunto de paquetes:

```
# prefill your conda environment with a set of packages,
conda create --name py38-test-env python=3.8.10 pandas matplotlib=3.7 scipy ipykernel

# activate your conda environment and ensure these packages exist
conda activate py38-test-env

# check if these packages exist
conda list | grep -E 'pandas|matplotlib|scipy'

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# deactivate your conda environment
conda deactivate
```

## Clonación de conda desde un entorno existente
<a name="studio-updated-jl-create-conda-clone"></a>

Clone su entorno de conda para conservar su estado de funcionamiento. Puede experimentar en el entorno clonado sin preocuparse por introducir cambios importantes en el entorno de prueba.

Utilice el siguiente comando para clonar un entorno.

```
# create a fresh env from a base environment 
conda create --name py310-base-ext --clone base # replace 'base' with another env

# activate your conda environment and ensure these packages exist
conda activate py310-base-ext

# install ipykernel to register your env
conda install ipykernel

# parse env name information from your new environment
export CURRENT_ENV_NAME=$(conda info | grep "active environment" | cut -d : -f 2 | tr -d ' ')

# register your new environment as Jupyter Kernel for execution 
python3 -m ipykernel install --user --name $CURRENT_ENV_NAME --display-name "user-env:($CURRENT_ENV_NAME)"

# deactivate your conda environment
conda deactivate
```

## Clonación de conda desde un archivo YAML de referencia
<a name="studio-updated-jl-create-conda-yaml"></a>

Cree un entorno de conda a partir de un archivo de YAML de referencia. El siguiente es un ejemplo de un archivo de YAML que puede usar.

```
# anatomy of a reference environment.yml
name: py311-new-env
channels:
  - conda-forge
dependencies:
  - python=3.11
  - numpy
  - pandas
  - scipy
  - matplotlib
  - pip
  - ipykernel
  - pip:
      - git+https://github.com/huggingface/transformers
```

En `pip`, recomendamos especificar solo las dependencias que no están disponibles con conda.

Use los siguientes comandos para crear un entorno de conda a partir de un archivo de YAML.

```
# create your conda environment 
conda env create -f environment.yml

# activate your env
conda activate py311-new-env
```