本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 亚马逊 SageMaker AI 功能与亚马逊 AI RStudio 上的 A SageMaker I 集成
<a name="rstudio-sm-features"></a>

 在亚马逊 A SageMaker I RStudio 上使用的好处之一是集成了亚马逊 A SageMaker I 功能。这包括与亚马逊 SageMaker Studio Classic 和 Reticulate 的集成。下文将介绍这些集成的相关信息和使用示例。

 **使用亚马逊 SageMaker Studio Classic 和亚马 RStudio 逊 SageMaker AI** 

 您的 Amazon SageMaker Studio Classic 和 RStudio 实例共享同一个亚马逊 EFS 文件系统。这意味着您使用 Studio Classic 导入 RStudio 和创建的文件可以使用访问，反之亦然。这使您可以同时使用 Studio Classic 处理相同的文件， RStudio 而不必在两者之间移动文件。有关此工作流程的更多信息，请参阅 “[宣布在 Amazon RStudio 上实现面向数据科学家的全面托管 SageMaker AI](https://aws.amazon.com/blogs/aws/announcing-fully-managed-rstudio-on-amazon-sagemaker-for-data-scientists)” 博客。

 **使用带网状功能 SageMaker 的 Amazon SDK** 

[网状](https://rstudio.github.io/reticulate)包用作亚马逊 [Pyth SageMaker on SDK](https://sagemaker.readthedocs.io/en/stable/) 的 R 接口，用于向亚马逊发出 API 调用。 SageMaker网状软件包在 R 和 Python 对象之间进行转换，Amazon SageMaker AI 提供了一个无服务器的数据科学环境，用于大规模训练和部署机器学习 (ML) 模型。有关 Reticulate 软件包的一般信息，请参阅 [R 到 Python 的接口](https://rstudio.github.io/reticulate/)。

有关概述如何在 Amazon AI 中使用网状软件包的博客，请参阅将 [R SageMaker 与 Amazon](https://aws.amazon.com/blogs/machine-learning/using-r-with-amazon-sagemaker/) AI 配合使用。 SageMaker 

以下示例展示了如何在特定使用场景中使用 Reticulate。
+ 有关描述如何使用网状进行批量转换以进行预测的笔记本，请参阅使用 [R 和 Ama SageMaker zon AI 进行批量转换](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html)。
+ 有关描述如何使用 reticulate 进行超参数调整和生成预测的笔记本，请参阅[使用 R 和 Amazon AI 进行超参数优化](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html)。 SageMaker