Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Sesuaikan lingkungan Anda menggunakan manajer paket
<a name="studio-updated-jl-user-guide-customize-package-manager"></a>

Gunakan pip atau conda untuk menyesuaikan lingkungan Anda. Sebaiknya gunakan pengelola paket alih-alih skrip konfigurasi siklus hidup. 

## Buat dan aktifkan lingkungan kustom Anda
<a name="studio-updated-jl-create-basic-conda"></a>

Bagian ini memberikan contoh berbagai cara untuk mengonfigurasi lingkungan JupyterLab.

Lingkungan conda dasar memiliki jumlah minimum paket yang diperlukan untuk alur kerja Anda di SageMaker AI. Gunakan template berikut untuk membuat lingkungan conda dasar:

```
# 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
```

Gambar berikut menunjukkan lokasi lingkungan yang telah Anda buat.

![\[Lingkungan test-env ditampilkan di sudut kanan atas layar.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/juptyer-notebook-environment-location.png)


Untuk mengubah lingkungan Anda, pilih dan pilih opsi dari menu tarik-turun.

![\[Tanda centang dan teks yang sesuai menunjukkan contoh lingkungan yang sebelumnya Anda buat.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/jupyter-notebook-select-env.png)


Pilih **Pilih** untuk memilih kernel untuk lingkungan.

## Buat lingkungan conda dengan versi Python tertentu
<a name="studio-updated-jl-create-conda-version"></a>

Membersihkan lingkungan conda yang tidak Anda gunakan dapat membantu membebaskan ruang disk dan meningkatkan kinerja. Gunakan template berikut untuk membersihkan lingkungan 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
```

## Buat lingkungan conda dengan satu set paket tertentu
<a name="studio-updated-jl-create-conda-specific-packages"></a>

Gunakan template berikut untuk membuat lingkungan conda dengan versi Python dan kumpulan paket tertentu:

```
# 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
```

## Kloning conda dari lingkungan yang ada
<a name="studio-updated-jl-create-conda-clone"></a>

Kloning lingkungan conda Anda untuk mempertahankan status kerjanya. Anda bereksperimen di lingkungan kloning tanpa harus khawatir memperkenalkan perubahan yang melanggar di lingkungan pengujian Anda.

Gunakan perintah berikut untuk mengkloning lingkungan.

```
# 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
```

## Kloning conda dari file YAMAL referensi
<a name="studio-updated-jl-create-conda-yaml"></a>

Buat lingkungan conda dari file YAMAL referensi. Berikut ini adalah contoh file YAMAL yang dapat Anda gunakan.

```
# 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
```

Di bawah`pip`, kami sarankan untuk menentukan hanya dependensi yang tidak tersedia dengan conda.

Gunakan perintah berikut untuk membuat lingkungan conda dari file YAMB.

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

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