使用SageMaker Studio Lab做《动手学深度学习》

首先，我们要申请一个SageMaker Studio Lab的账号，https://studiolab.sagemaker.aws/先填写邮箱信息等提交申请，大概一星期内会有回复，根据邮箱回复操作注册账号，密码之类的。
然后，进入到SageMaker Studio Lab登录账号。https://studiolab.sagemaker.aws/
CPU：对于通用计算任务，训练非并行或密集分支的算法，或使用顺序数据(例如，循环神经网络)CPU的算法是更好的选择。）
GPU：GPU运行时每次会话限制为4小时，24小时内总共为8小时。这个选项最适合于专门优化运行在gpu上的算法，比如那些并行运行计算的算法。

最后选择CPU（前六章可用）或者GPU（可用一直用这个），再点击Start runtime
等待环境准备启动

环境启动之后点击open project，会进入到jupyter lab界面
由于我使用GPU次数过多，暂时用CPU演示。

打开terminal输入ls查看本地文件夹也可以不输入。

直接复制粘贴输入：

mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip

结果如下：

之后使用以下命令安装深度学习框架和D2L软件包

pip install torch==1.11.0
pip install torchvision==0.12.0
pip install d2l==0.17.5

点击d2l-zh文件夹->d2l-zh-2.0.0文件夹->pytorch文件夹->index.ipynb如下图所示：选择python select，选择D2L：python。

点击chapter_introduction/index进入到章节介绍界面的index.ipynb，同样是选择python select，关闭退出时可以点击save保存或者不保存。

点击chapter_preliminaries/index之后可以继续点击下面的子索引进入新的小节。

点击ndarray进入下一子页面

跟使用jupyter notebook类似，可以使用shift+enter运行代码。

之后就是关闭退出：

好的本次分享到此结束！