AWS 新注册体验上线：开发者几步即可进入 SageMaker Studio

今天，我们很高兴地宣布，新的 Amazon SageMaker AI 客户现在只需在注册 AWS 后几步操作，即可进入完全配置好的 Amazon SageMaker Studio 环境。你可以使用已有的登录方式，例如 Amazon、Apple、GitHub、Google 或电子邮件地址。你无需设置高级 AWS 账户、输入信用卡信息（对大多数客户而言），也无需手动配置环境。新客户还可获得 100 美元的 AWS Free Tier 额度，可用于 SageMaker AI 的各项功能，包括模型定制、训练作业、Studio 笔记本和端点部署。

本文接续我们之前的文章从 Hugging Face 一键进入 Amazon SageMaker Studio，该文介绍了从 Hugging Face 模型页面直接跳转到 SageMaker Studio 工作流的深度链接。今年早些时候，我们还将 Studio 环境的创建时间从 2 分钟缩短到约 20 秒，并在每个新的 Studio 域中预配置了模型定制权限。这些改动共同消除了开发者进入 Studio 后的大部分阻碍。但在到达这一步之前，仍有一个主要障碍：创建 AWS 账户。新客户必须先验证电子邮件地址、输入联系信息、验证电话号码、提供付款详情并选择支持计划，然后才能开始构建。对于习惯在几分钟内登录并开始构建的独立开发者和小型初创团队来说，这仍然是一个不小的门槛。

新增内容

通过本次发布，SageMaker Studio 现已集成更新后的 AWS 登录和注册体验，该体验引入了创建和管理 AWS 账户的新选项，并简化了协作。新客户可以使用已有身份创建账户，并立即开始在 SageMaker Studio 中构建。

全新登录体验

新客户现在可以通过 Google、GitHub、Apple 或 Amazon 账户，或使用电子邮件地址，在 2–3 步内完成注册。你无需完成高级 AWS 账户注册、验证电话号码或输入信用卡信息（对大多数客户而言）：

图 1：带有社交登录选项的 AWS 注册页面

注册后，SageMaker AI 会在约 20 秒内自动创建你的 Studio 环境。随后你会进入与起始入口相匹配的页面。例如，你可能从 Hugging Face 发现并选择了一个模型，并通过Deploy on SageMaker AI进行部署。Studio 随后会打开 Deployment 页面，其中模型已预配置好以便创建端点：

图 2：在 Amazon SageMaker AI 上部署 Hugging Face 模型

图 3：在 SageMaker Studio 中配置端点设置

最高 200 美元 Free Tier 额度，大多数客户无需信用卡

新客户可获得 100 美元的 AWS Free Tier 额度，可用于 SageMaker AI 的各项功能，包括端点部署、模型定制、Studio 笔记本和模型训练。你还有机会额外获得价值 100 美元的额度。额度会自动应用于你的用量，并在接近限额时通过电子邮件通知你。Free Tier 期限在 6 个月后或额度用尽时结束，以先到者为准。届时资源使用会自动停止，因此你不会因意外费用而感到意外。你可以随时添加付款详情升级到付费计划。

建立在以往发布的基础之上

通过全新登录体验创建的新环境包含此前发布版本中的改进。模型自定义、训练、评估和部署的权限已预先配置，因此你无需创建 AWS Identity and Access Management (IAM) 角色。符合条件的账户可默认访问 G5、G6 和 G4dn GPU 实例，用于端点、训练任务和 Studio 笔记本。此外，Studio 中的实例选择菜单会显示配额可用情况，让你可以快速查看哪些实例类型可供使用。

开始使用

你今天就可以试用全新登录体验：

• 在 Hugging Face 上浏览模型，选择 Deploy，选择 Amazon SageMaker AI，然后在受支持的模型上选择 Customize on SageMaker AI 或 Deploy on SageMaker AI。或者，访问 Amazon SageMaker Studio 页面并选择 Get started with Amazon SageMaker AI。
• 在 AWS 登录页面上，选择 Google、GitHub、Apple 或 Amazon，或输入你的电子邮件地址，然后按照提示在几步内创建账户。
• 进入已完全配置好的 SageMaker Studio 环境，并使用你的免费套餐额度开始构建。

全新登录体验适用于新的 AWS 账户。如果你已有 AWS 账户，登录方式不会发生变化。

结论

全新登录体验消除了从发现 Amazon SageMaker AI 到使用它进行构建之间的最后一个主要障碍。结合更快的环境创建、预先配置的权限、来自 Hugging Face 的深层链接以及默认 GPU 访问权限，个人开发者可以快速上手。初创团队现在可以使用已有身份，在几分钟内从查找模型转为自定义或部署模型。

要开始使用，请访问 aws.amazon.com/sagemaker/studio 或在 Hugging Face 上浏览模型。

关于作者

Hazim Qudah

Hazim 是 AWS 的专家解决方案架构师，常驻德克萨斯州达拉斯。他乐于帮助客户使用 AWS 技术和最佳实践构建并采用 AI/ML 解决方案。在加入 AWS 之前，他曾在多个行业和地区为客户从事技术咨询工作多年。空闲时，他喜欢跑步和与他的狗 Nala 玩耍。

Paul Hargis

Paul 曾在 AWS、Amazon 和 Hortonworks 等多家公司专注于机器学习。他乐于构建技术解决方案并教人们如何使用它们。Paul 喜欢帮助客户扩展其机器学习计划，以解决现实世界中的问题。在加入 AWS 之前，他是 Amazon Exports and Expansions 的首席架构师，帮助 amazon.com 改善国际购物者的体验。

Naidile Murali

Naidile 是 AWS 的产品经理，常驻华盛顿州贝尔维尤。她专注于提升 Amazon SageMaker AI 上的 AI/ML 开发者体验，包括新客户加入 Studio、SageMaker JumpStart 模型中心以及 IDE 的 GPU 容量管理。在加入 AWS 之前，她曾在 HSBC 担任软件工程师，并拥有乔治城大学的 MBA 学位。