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.
# Personnalisation de votre environnement à l’aide d’un gestionnaire de packages
Utilisez pip ou conda pour personnaliser votre environnement. Nous recommandons d’utiliser des gestionnaires de packages plutôt que des scripts de configuration de cycle de vie.
## Création et activation de votre environnement personnalisé
Cette section fournit des exemples de différentes manières de configurer un environnement JupyterLab.
Un environnement conda de base possède le nombre minimum de packages requis pour vos flux de travail en SageMaker IA. Utilisez le modèle suivant pour créer un environnement conda de base :
```
# 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
```
L’image suivante montre l’emplacement de l’environnement que vous avez créé.
![\[L’environnement test-env s’affiche dans l’angle supérieur droit de l’écran.\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/juptyer-notebook-environment-location.png)
Pour modifier votre environnement, choisissez-le et sélectionnez une option dans le menu déroulant.
![\[La coche et le texte correspondant montrent un exemple d’environnement que vous avez créé précédemment.\]](http://docs.aws.amazon.com/fr_fr/sagemaker/latest/dg/images/jupyter-notebook-select-env.png)
Choisissez **Sélectionner** pour sélectionner un noyau pour l’environnement.
## Création d’un environnement conda avec une version spécifique de Python
Le nettoyage des environnements conda que vous n’utilisez pas peut contribuer à libérer de l’espace disque et à améliorer les performances. Utilisez le modèle suivant pour nettoyer un environnement 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
```
## Création d’un environnement conda avec un ensemble spécifique de packages
Utilisez le modèle suivant pour créer un environnement conda avec une version spécifique de Python et un ensemble de packages :
```
# 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
```
## Clonage d’un environnement conda à partir d’un environnement existant
Clonez votre environnement conda pour préserver son état de fonctionnement. Vous expérimentez dans l’environnement cloné sans avoir à vous soucier d’introduire des modifications majeures dans votre environnement de test.
Utilisez la commande suivante pour cloner un environnement.
```
# 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
```
## Clonage d’un environnement conda à partir d’un fichier YAML de référence
Créez un environnement conda à partir d’un fichier YAML de référence. Voici un exemple de fichier YAML que vous pouvez utiliser.
```
# 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
```
Sous `pip`, nous vous recommandons de ne spécifier que les dépendances qui ne sont pas disponibles avec conda.
Utilisez les commandes suivantes pour créer un environnement conda à partir d’un fichier YAML.
```
# create your conda environment
conda env create -f environment.yml
# activate your env
conda activate py311-new-env
```