- AWS の普通のアカウントとは別管理
- いちおう無料。メールアドレスと電話番号(最初に start runtime を押すときにきかれる)が必要
- アカウントの申し込み → メールアドレスの確認 → ウエイティングリストに登録 → (約一日) → 本登録(メールアドレス、パスワード、ユーザ名)
- CAPTCHA がけっこうウザい。なんか無茶な使い方をした奴がいたんだろう
- ブラウザで
ポップアップの解除と
ターミナルでコピペの許可と
*.awswaf.com(AWS WAF) をトラスティッドドメインに追加する必要あり - Jupyter が Colab と比べると使いにくい。右クリックでプルダウンメニューが多い感じ
%condaは死ぬほど遅い(たぶんバグ) ので、Linux の lib パッケージが必要なやつ(matplotlibなど)以外は%pip
変更される可能性がありますが、現在は GPU に G4dn.xlarge インスタンス、 CPU に T3.xlarge インスタンス を使用しています。
参考: 料金 - Amazon SageMaker | AWS
プロジェクトには 15 GB の永続ストレージと 16 GB の RAM が割り当てられています。追加のストレージや計算リソースが必要な場合は、Amazon SageMaker Studio への切り替えをご検討ください。
プロジェクトのランタイムを開始するたびに、CPU か GPU のどちらかを選択できます。
CPU ランタイムは、1 セッションあたり 4 時間まで、24 時間の合計が 8 時間を超えないように制限されています。
GPU ランタイムは、1 セッションあたり 4 時間に制限され、24 時間の合計が 4 時間を超えないようにします。
セッション時間の制限に達すると、すべてのファイルが永続プロジェクト・ストレージに保存され、ランタイムはシャットダウンします。 1 日の制限時間に達していない場合は、プロジェクト・ランタイムを再起動することができます。 CPU または GPU ランタイムの可用性は保証されておらず、需要に左右されます。 標準的なユーザーインターフェイスを超える方法でコンピュートへのアクセスを試みると、アカウントが停止、ブロック、または削除される場合があります。
携帯電話番号をお持ちでないお客様は、SageMaker Studio Lab でランタイムを開始することができません。
Python パッケージをインストールするには、次のようにします
%pip install <パッケージ>
または
%conda install --yes <パッケージ>
を使うことができます。必ず '!pip' や '!conda' ではなく、この形式（'%'付き）を使ってください。 '%'を使うことで、パッケージを正しいパスにインストールすることができます。
Firefox だと network.negotiate-auth.trusted-uris で検索すると手順が出てくる。
ほかのブラウザは OS で設定らしいが試してない(TODO)