免費的機器學習開發環境，為學習和實驗 ML 提供運算、儲存和安全性
只需有效的電子郵件地址即可開始，無需設定基礎設施或管理身分和存取權限，甚至無需註冊 AWS 帳戶
GitHub 整合並預先設定了最常用的 ML 工具、架構和程式庫，因此您可以立即開始使用
Amazon SageMaker Studio Lab 是一個免費的機器學習 (ML) 開發環境，免費提供運算、儲存 (高達 15GB) 和安全，供任何人使用 ML 進行學習和實驗。您只需一個有效的電子郵件地址即可開始使用，無需設定基礎設施或管理身分和存取權限，甚至無需註冊 AWS 帳戶。SageMaker Studio Lab 透過 GitHub 整合加速模型建置，已預先設定最熱門的 ML 工具、架構和程式庫，可讓您立即開始使用。SageMaker Studio Lab 會自動儲存您的工作，因此您無需在工作階段之間重新啟動。就像關閉筆記型電腦然後再回來一樣簡單。
運作方式
主要功能
無需具備 AWS 帳戶
要開始使用 SageMaker Studio Lab，請使用您的電子郵件地址在 studiolab.sagemaker.aws 上註冊帳戶。SageMaker Studio Lab 帳戶與 AWS 帳戶分開，並且不需要提供信用卡資訊。
選擇運算能力
SageMaker Studio Lab 為您的專案提供 CPU 或 GPU 工作階段。可以選擇以 12 小時的 CPU 工作階段執行筆記本，以實作複雜的演算法；或者以 4 小時的 GPU 工作階段用於深度學習 (DL) 架構，例如卷積神經網路 (CNN) 和遞歸神經網路 (RNN)。可以執行的運算工作階段數量沒有任何限制 — 一個工作階段結束後，就可以開始新的工作階段。
持久性儲存
SageMaker Studio Lab 提供具有 15 GB 免費長期儲存空間的持久性工作階段，因此您可以儲存工作並從中斷處繼續。工作階段結束時，您的工作會自動儲存在專用的儲存空間中。
預先封裝的 ML 架構
為您的專案選擇最佳的 Python 套件管理員，例如 Pip、Conda 或 Mamba。根據預設，SageMaker Studio Lab 支援終端和 Git 命令列以及 GitHub 整合以進行協作。設定快速簡單，並且無需設定即可執行 Jupyter Notebook。
