Jupyter Notebook-vejledning: Sådan installeres og bruges Jupyter?

Hvad er Jupyter Notesbog?

Jupyter Notesbog er en open source-webapplikation til at skrive og dele live-koder, ligninger, visualiseringer med rich text-elementer. Det giver en bekvem måde at skrive afsnit, ligninger, titler, links og figurer til at køre dataanalyse. Det er også nyttigt til at dele interaktive algoritmer med dit publikum til undervisning eller demonstration.

Introduktion til Jupyter Notebook-app

Jupyter Notebook App er grænsefladen, hvor du kan skrive dine scripts og koder gennem din webbrowser. Appen kan bruges lokalt, hvilket betyder, at du ikke behøver internetadgang eller en ekstern server.

Hver beregning udføres via en kerne. Der oprettes en ny kerne, hver gang du starter en Jupyter Notebook.

Brugsvejledning Jupyter Notesbog

I sessionen nedenfor lærer du, hvordan du bruger Jupyter Notesbog. Du vil skrive en simpel kodelinje for at blive fortrolig med miljøet af Jupyter.

Trin 1) Du tilføjer en mappe inde i arbejdsmappen, som vil indeholde alle de notesbøger, du vil oprette under selvstudierne om TensorFlow.

Åbn terminalen og skriv

mkdir jupyter_tf
jupyter notebook

Kode Forklaring

mkdir jupyter_tf: Opret en mappe med navne jupyter_tf
jupyter notesbog: Åbn Jupyter web-app

Trin 2) Du kan se den nye mappe inde i miljøet. Klik på mappen jupyter_tf.

Trin 3) Inde i denne mappe vil du oprette din første notesbog. Klik på knappen Ny og Python 3.

Trin 4) Du er inde i Jupyter miljø. Indtil videre hedder din notesbog Untiltled.ipynb. Dette er standardnavnet givet af Jupyter. Lad os omdøbe den ved at klikke på File (Felt) og Omdøb

Du kan omdøbe den til Introduction_jupyter

I AWS Jupyter Notesbog, du skriver koder, anmærkninger eller tekst inde i cellerne.

Inde i en celle kan du skrive en enkelt kodelinje.

eller flere linjer. Jupyter læser koden den ene linje efter den anden.

For eksempel, hvis du skriver følgende kode inde i en celle.

Det vil producere dette output.

Trin 5) Du er klar til at skrive din første linje kode. Du kan bemærke, at cellen har to farver. Den grønne farve betyder, at du er i redigeringstilstand.

Den blå farve indikerer dog, at du er med udførelsestilstand.

Din første kodelinje vil være at udskrive Guru99!. Inde i cellen kan du skrive

print("Guru99!")

Der er to måder at køre en kode på Jupyter:

Klik og kør
Tastaturgenveje

For at køre koden kan du klikke på Cell og så Kør celler og vælg nedenfor

Du kan se, at koden er udskrevet under cellen, og en ny celle er dukket op lige efter outputtet.

En hurtigere måde at køre en kode på er at bruge Tastaturgenveje. Gå til for at få adgang til tastaturgenvejene Hjælp og Tastaturgenveje

Nedenfor listen over genveje til et MacOS-tastatur. Du kan redigere genvejene i editoren.

Følgende er genveje til Windows

Skriv denne linje

print("Hello world!")

og prøv at bruge tastaturgenvejene til at køre koden. Brug alt+enter. det vil udføre cellen og indsætte en ny tom celle nedenfor, som du gjorde før.

Trin 6) Det er tid til at lukke Notebook'en. Gå til File (Felt) og klik på Luk og stop

Bemærk: Jupyter gemmer automatisk notesbogen med kontrolpunkt. Hvis du har følgende besked:

Det betyder Jupyter har ikke gemt filen siden sidste kontrolpunkt. Du kan gemme notesbogen manuelt

Du vil blive omdirigeret til hovedpanelet. Du kan se, at din notesbog er blevet gemt for et minut siden. Du kan trygt logge ud.

Installer Jupyter Notesbog med AWS

Nedenfor er en trin for trin proces om, hvordan du installerer og kører Jupyter Notesbog på AWS:

Hvis du ikke har en konto hos AWS, skal du oprette en gratis konto link..

Vi fortsætter som følger

Del 1: Opsæt et nøglepar
Del 2: Opret en sikkerhedsgruppe
Del 3: Start instans
Del 4: Installer Docker
Del 5: Installer Jupyter
Del 6: Tæt forbindelse

DEL 1: Opsæt et nøglepar

Trin 1) Gå til Tjenester og find EC2

Trin 2) I panelet og klik på Nøglepar

Trin 3) Klik på Opret nøglepar

Du kan kalde det Docker-nøgle
Klik på Opret

Et filnavn Docker_key.pem downloades.

Trin 4) Kopier og indsæt det i mappenøglen. Vi får brug for det snart.

Kun til Mac OS-brugere

Dette trin vedrører kun Mac OS-brugere. Til Windows eller Linux-brugere, fortsæt venligst til DEL 2

Du skal indstille en arbejdsmappe, der skal indeholde filnøglen

Først og fremmest skal du oprette en mappe med navnet nøgle. For os er det placeret inde i hovedmappen Docker. Derefter indstiller du denne sti som din arbejdsmappe

mkdir Docker/key
cd Docker/key

DEL 2: Opret en sikkerhedsgruppe

Trin 1) Du skal konfigurere en sikkerhedsgruppe. Du kan få adgang til det med panelet

Trin 2) Klik på Opret sikkerhedsgruppe

Trin 3) På næste skærmbillede

Indtast sikkerhedsgruppens navn "jupyter_docker" og Description Security Group for Docker
Du skal tilføje 4 regler oveni

ssh: portområde 22, kilde hvor som helst
http: portområde 80, kilde hvor som helst
https: portområde 443, kilde hvor som helst
Brugerdefineret TCP: portområde 8888, kilde hvor som helst

Klik på Opret

Trin 4) Den nyoprettede sikkerhedsgruppe vil blive vist

Del 3: Start instans

Du er endelig klar til at oprette instansen

Trin 1) Klik på Start forekomst

Standardserveren er nok til dit behov. Du kan vælge Amazon Linux AMI. Den nuværende instans er 2018.03.0.

AMI står for Amazon Maskinbillede. Den indeholder de oplysninger, der kræves for at starte en instans, der kører på en virtuel server, der er gemt i skyen.

Bemærk, at AWS har en server dedikeret til deep learning såsom:

Deep Learning AMI (Ubuntu)
Deep Learning AMI
Deep Learning Base AMI (Ubuntu)

Alle leveres med de nyeste binære filer af deep learning-rammer forudinstalleret i separate virtuelle miljøer:

TensorFlow,
Caffe
PyTorch,
Keras,
Theano
CNTK.

Fuldt konfigureret med NVidia CUDA, cuDNN og NCCL samt Intel MKL-DNN

Trin 2) Vælg t2.micro. Det er en gratis tier server. AWS tilbyder gratis denne virtuelle maskine udstyret med 1 vCPU og 1 GB hukommelse. Denne server giver en god afvejning mellem beregning, hukommelse og netværksydelse. Den passer til små og mellemstore databaser

Trin 3) Behold standardindstillingerne på næste skærmbillede, og klik på Næste: Tilføj lager

Trin 4) Forøg lagerpladsen til 10 GB, og klik på Næste

Trin 5) Behold standardindstillingerne, og klik på Næste: Konfigurer sikkerhedsgruppe

Trin 6) Vælg den sikkerhedsgruppe, du oprettede før, dvs jupyter_docker

Trin 7) Revse dine indstillinger, og klik på startknappen

Trin 8 ) Det sidste trin er at linke nøgleparret til instansen.

Trin 8) Forekomst vil starte

Trin 9) Nedenfor en oversigt over de instanser, der er i brug i øjeblikket. Bemærk den offentlige IP

Trin 9) Klik på Connect

Du finder forbindelsesoplysningerne

Start din instans (Mac OS-brugere)

Sørg først for, at din arbejdsmappe inde i terminalen peger på mappen med nøglepars-fil-dockeren

køre koden

chmod 400 docker.pem

Åbn forbindelsen med denne kode.

Der er to koder. i nogle tilfælde undgår den første kode Jupyter for at åbne notesbogen.

I dette tilfælde skal du bruge den anden til at tvinge forbindelsen ind Jupyter Notesbog på EC2.

# If able to launch Jupyter
ssh -i "docker.pem" ec2-user@ec2-18-219-192-34.us-east-2.compute.amazonaws.com

# If not able to launch Jupyter
ssh -i "docker.pem" ec2-user@ec2-18-219-192-34.us-east-2.compute.amazonaws.com -L 8888:127.0.0.1:8888

Første gang bliver du bedt om at acceptere forbindelsen

Start din instans (Windows brugere)

Trin 1) Gå til denne hjemmeside for at downloade PuTTY og PuTTYgen PuTTY

Du skal downloade

PuTTY: start forekomsten
PuTTYgen: konverter pem-filen til ppk

Nu hvor begge software er installeret, skal du konvertere .pem-filen til .ppk. PuTTY kan kun læse .ppk. Pem-filen indeholder den unikke nøgle skabt af AWS.

Trin 2) Åbn PuTTYgen og klik på Indlæs. Gennemse mappen, hvor .pem-filen er placeret.

Trin 3)Når du har indlæst filen, bør du få en meddelelse, der informerer dig om, at nøglen er blevet importeret. Klik på OK

Trin 4) Klik derefter på Gem privat nøgle. Du bliver spurgt, om du vil gemme denne nøgle uden en adgangssætning. Klik på ja.

Trin 5) Gem nøglen

Trin 6) Gå til AWS og kopier den offentlige DNS

Åbn PuTTY og indsæt den offentlige DNS i værtsnavnet

Trin 7)

Udfold SSH i venstre panel og åbn Auth
Gennemse den private nøgle. Du skal vælge .ppk
Klik på Åbn.

Trin 8)

Når dette trin er udført, åbnes et nyt vindue. Klik på Ja, hvis du ser denne pop-up

Trin 9)

Du skal logge ind som: ec2-bruger

Trin 10)

Du er forbundet til Amazon Linux AMI.

Del 4: Installer Docker

Mens du er forbundet med serveren via Putty/Terminal, kan du installere Docker beholder.

Udfør følgende koder

sudo yum update -y
sudo yum install -y docker
sudo service docker start
sudo user-mod -a -G docker ec2-user
exit

Start forbindelsen igen

ssh -i "docker.pem" ec2-user@ec2-18-219-192-34.us-east-2.compute.amazonaws.com -L 8888:127.0.0.1:8888

Windows brugere bruger SSH som nævnt ovenfor

Del 5: Installer Jupyter

Trin 1) Opret Jupyter med,

forudbygget billede.

## Tensorflow
docker run -v ~/work:/home/jovyan/work -d -p 8888:8888 jupyter/tensorflow-notebook 
## Sparkdocker
run -v ~/work:/home/jovyan/work -d -p 8888:8888 jupyter/pyspark-notebook

Kode Forklaring

docker run: Kør billedet
v: vedhæft et volumen
~/work:/home/jovyan/work: Volume
8888:8888: havn
jupyter/datascience-notesbog: Billede

For andre præ-build billeder, gå link.

Tillad konservering Jupyter AWS notesbog

sudo chown 1000 ~/work

Trin 2) Installer træ for at se,

vores arbejdsmappe næste

sudo yum install -y tree

Trin 3) Tjek beholderen og dens navn

Brug kommando

```
docker ps
```
Hent navnet og brug loggen til at åbne Jupyter. I denne Jupyter tutorial, containerens navn er vigilant_easley. Brug kommando
```
docker logs vigilant_easley
```
Få URL'en

Trin 4) I URL'en,

Erstat (90a3c09282d6 eller 127.0.0.1) med offentlig DNS af din instans

http://(90a3c09282d6 or 127.0.0.1):8888/?token=f460f1e79ab74c382b19f90fe3fd55f9f99c5222365eceed

Trin 5) Den nye URL bliver,

http://ec2-174-129-135-16.compute-1.amazonaws.com:8888/?token=f460f1e79ab74c382b19f90fe3fd55f9f99c5222365eceed

Trin 6) Kopier og indsæt URL'en i din browser.

Jupyter Åbner

Trin 7) Du kan skrive en ny notesbog,

i din arbejdsmappe

Del 6: Tæt forbindelse

Luk forbindelsen i terminalen

exit

Gå tilbage til AWS og stop serveren.

Fejlfinding

Hvis docker nogensinde ikke virker, så prøv at genopbygge billedet ved hjælp af

docker run -v ~/work:/home/jovyan/work -d -p 8888:8888 jupyter/tensorflow-notebook

Resumé

Jupyter notebook er en webapplikation, hvor du kan køre din Python og R-koder. Det er nemt at dele og levere rigt dataanalyse med Jupyter.
For at starte jupyter, skriv i terminalen: jupyter notebook
Du kan gemme din notesbog, hvor du vil
En celle indeholder din Python kode. Kernen vil læse koden én efter én.
Du kan bruge genvejen til at køre en celle. Som standard: Ctrl+Enter