できるもの
記事の対象者
クラウドのGPUリソースを有効活用して機械学習開発を加速したい方
クラウドでjupyterlab環境を手軽に使用したい方
記事を読むとできるようになること
awsでノートブックインスタンスを立ち上げることができる
（最低でもそこまでの作業イメージがつき、作業が円滑に進みやすくなる）
記事を読むのにかかる時間
1-2分
以下記事コンテンツ
まずはsagemakerのノートブックをクリックすると以下のような画面にいきます
↓
上記ノートブックインスタンスの作成をクリックすると下の表示へ遷移
↓
個人的にGCPと比べて良いなと思ったのはgitレポジトリを初期で導入できるのは手間が省けていいなと思いました。
（git使う人）
↓
wait until tommorow（実際2分くらいでした）したらjupyterLabを開きましょう。
ここ以降はjupyterLabの画面なので、つまりGCPのvertixAIともほぼ同一となり、気兼ねなく行って帰ってできると思います。
↓
とりあえず!nvidia-smiコマンドを使うと以下エラーが表示されました
↓
ml.と名のつくインスタンス名だったらGPU基本ついてるだろうと鷹を括っていたところ、普通に勘が外れました。
p系か、g4系のインスタンスを選択するとnvidaがついてくるので、そちらに変えて実行しましょう
↓
g4インスタンスに変更すると無事GPU設定を確認できました
注意点：
永続的な領域として使えるのは/home/ec2-user/SageMakerディレクトリのみであることを留意しておくと変な罠にハマりづらくなると思います。
よかった点：
サーバーの挙動も安定していましたし、git、s3との連携も便利、jupyterlabなので、ドロップでファイルを置けたり、高速なgpuを選択できたりと、とても良い体験を得られると思います。