Amazon SageMaker
深度学习程序可能需要很多计算资源，这很容易超出你的本地计算机所能提供的范围。云计算服务允许你使用功能更强大的计算机更轻松地运行本书的GPU密集型代码。
注册
首先，我们需要在注册一个帐户https://aws.amazon.com/。 为了增加安全性，鼓励使用双因素身份验证。设置详细的计费和支出警报也是一个好主意，以避免任何意外，例如，当忘记停止运行实例时。登录AWS帐户后，转到console并搜索“Amazon SageMaker”（参见 下图），然后单击它打开SageMaker面板。
创建SageMaker实例
接下来，让我们创建一个notebook实例
SageMaker提供多个具有不同计算能力和价格的实例类型。创建notebook实例时，可以指定其名称和类型。我们选择ml.p3.2xlarge：使用一个Tesla V100 GPU和一个8核CPU，这个实例的性能足够本书的大部分内容使用。
们可以指定此GitHub存储库URL，以允许SageMaker在创建实例时克隆它。
运行和停止实例
创建实例可能需要几分钟的时间。当实例准备就绪时，单击它旁边的“Open Jupyter”链接，以便你可以在此实例上编辑并运行本书的所有Jupyter Notebook。
完成工作后，不要忘记停止实例以避免进一步收费
更新Notebook
要更新至最新版本，你可以在SageMaker实例上打开终端。
小结
-
我们可以使用Amazon SageMaker创建一个GPU的notebook实例来运行本书的密集型代码。
-
我们可以通过Amazon SageMaker实例上的终端更新notebooks。
