<aside> ⬅️

PREVIOUS STEP

Workshop Studio 登入教學

</aside>

<aside> ⚠️

請務必確認 console 畫面右上角的 Region 顯示 Oregon‼

</aside>

1. 在 console 上方搜尋欄輸入 SageMaker ，並點選下方 Services 的 Amazon SageMaker，進入 SageMaker 頁面

   

2. 從畫面左邊 Applications and IDEs 底下，找到 Studio，點選進入

   

3. 點選畫面右邊的橘色按鈕 Open Studio

   

4. 對彈出視窗按 Skip Tour for now

   

5. 在畫面左邊 Applications 選擇 JupyterLab

   

6. 按下畫面右邊的 Action 底下的 Run

   

7. 等待 Starting，可能需要約 1 ~ 3 分鐘

   

   • 等待 Starting notebook kernel... 的期間，進行 Jupyter Notebook 快速操作教學！

     Jupyter Notebook 是一個基於網頁的開發環境，允許您在單一介面中編寫和執行程式碼、查看結果、撰寫筆記及進行數據可視化。它廣泛應用於數據科學、機器學習和學術研究。

     • Jupyter Notebook 中的單元格分為三種類型:

       1. Code: 編寫 Python 程式碼的單元格，按 Shift + Enter 執行程式碼
       2. Markdown: 用於撰寫說明文字，支援 Markdown 語法，按 Shift + Enter 渲染文本
       3. Raw: 原始資料單元格，不會被處理

     • 對單元格進行操作:

       1. 編輯單元格: 按 Enter (本次工作坊不需使用)
       2. 執行單元格: 按 Shift + Enter / 按 Run 按鈕

     • 單元格的左邊顯示數字，如 [1]，代表已執行完畢

       單元格的左邊顯示米字，如 [*]，代表等待執行中

     ⮕ Shift + Enter is all you need! (and Run All🤣)

     <aside> ⚠️

     由於今天工作坊的訓練與部署皆需要等待較久，為了節省各位的時間，會需要各位先按下 Run All 後，一邊等待程式碼執行一邊進行內容分享

     </aside>

8. 等待 Starting 完畢，按下 Open

   

9. 按下最左邊 Git 的標誌，再按 Clone a Repository

   

10. 複製以下提供的 GitHub 連結，貼上到彈出視窗中，按 Clone

    <https://github.com/aws-educate-tw/aws-educate-sagemaker-workshop.git>
    

    

11. 成功 Clone 完之後按左邊的 notebook 資料夾

    

12. 找到 finetuning_model_workshop.ipynb 點擊進入 notebook

    

13. 從左上方按下 Run，並按 Run All Cells

    

    <aside> 👍🏼

    Cell [1] 版本衝突問題

    此段套件安裝指令原本是為 Studio Classic 所寫，但為了給各位更好的工作坊體驗，我們臨時轉換到 JupyterLab，因此出現套件依賴衝突 (但我們來不及解😅)，並不會影響工作坊進行，請放心。

    

    </aside>

    <aside> 👍🏼

    最後一個 Cell ModelError 問題

    意料之中，一般情況下稍等重新執行即可，或者可能是 token 數過多，Lab 版本的機器扛不住，把 system prompt 拿掉即可，請放心。

    

    </aside>

<aside> 🐱

在等程式跑的期間，先來說說 SageMaker 是什麼吧~

• 若有任何問題，歡迎隨時舉手吸引助教的注意力！ </aside>