Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Configurations du cycle de vie dans Amazon SageMaker Studio
Les configurations du cycle de vie (LCC) sont des scripts que les administrateurs et les utilisateurs peuvent utiliser pour automatiser la personnalisation des applications suivantes au sein de votre environnement Amazon SageMaker Studio :
-
Amazon SageMaker AI JupyterLab
-
Éditeur de code, basé sur Code-OSS Visual Studio Code - Open Source
-
Studio Classic
-
Instance de bloc-notes
La personnalisation de votre application inclut les opérations suivantes :
-
Installation des packages personnalisés
-
Configuration des extensions
-
Préchargement des jeux de données
-
Configuration des référentiels de code source
Les utilisateurs créent et attachent des configurations de cycle de vie intégrées à leurs propres profils utilisateur. Les administrateurs créent et attachent des configurations de cycle de vie par défaut ou intégrées au niveau du domaine, de l’espace ou du profil utilisateur.
Comprendre les configurations de cycle de vie intégrées et par défaut
Il existe deux types de configurations de cycle de vie dans Studio :
-
Built-in LCC : le Built-in LCC est contrôlé par l'administrateur, s'exécute toujours au démarrage d'un espace et se résout dynamiquement à partir des paramètres du domaine au moment du lancement. Lorsqu'un administrateur met à jour le LCC intégré au niveau du domaine, tous les espaces récupèrent automatiquement le nouveau LCC lors de leur prochain lancement sans aucune intervention de l'utilisateur.
-
LCC par défaut : Le LCC par défaut est présélectionné pour l'utilisateur au niveau de l'espace et persiste jusqu'à ce que l'utilisateur le modifie explicitement. La mise à jour de la LCC par défaut au niveau du domaine n'affecte pas les espaces en cours d'exécution tant qu'ils ne sont pas redémarrés.
Important
Amazon SageMaker Studio exécute d'abord la configuration du cycle de vie intégrée, puis exécute le LCC par défaut. Amazon SageMaker AI ne résoudra pas les conflits de colis entre les LCC de l'utilisateur et de l'administrateur. Par exemple, si la configuration LCC intégrée installe python3.11 et que la configuration LCC par défaut installe python3.12, Studio installe python3.12.
