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.

Nuværende installationer sendes Notebook 7, bygge på JupyterLab. jupyter notebook virker stadig, og begge læser det samme .ipynb fil.

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 i arbejdsmappen, der indeholder alle de notesbøger, du opretter under vejledningerne. TensorFlow.

If Jupyter mangler, løb pip install notebook først, som den TensorFlow installationsvejledning gør. Åbn derefter Terminalen og skriv

mkdir jupyter_tf
jupyter notebook

Code Forklaring

• mkdir jupyter_tf: Opret en mappe med navnet 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 Untitled.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

Inde Jupyter Notebook-grænseflade, du skriver kode, annotationer eller tekst i celler.

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 blive udskrevet 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 tastaturgenvejen. Alt+Enter udfører cellen og indsætter en ny tom celle nedenfor.

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

Når et datasæt vokser ud af den lokale hukommelse, skal du flytte notesbogen til en cloud-server. Nedenfor er en trinvis proces til installation og kørsel. 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 Det vi er gode til og find EC2

Trin 2) I panelet og klik på Nøglepar

Trin 3) Klik på Opret nøglepar

1. Du kan kalde det Docker-nøgle
2. Klik på Opret

En fil med navnet Docker_key.pem downloades.

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

Kun for Mac OS-brugere

Dette trin gælder kun for Mac OS-brugere. Windows og Linux-brugere kan springe videre til del 2.

Du skal angive 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

1. Indtast sikkerhedsgruppens navn "jupyter_docker" og beskrivelsen Sikkerhedsgruppe for Docker.
2. Tilføj de fire indgående regler, der er anført nedenfor:
   • 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
3. 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 tilstrækkelig. Vælg Amazon Linux AMI. Skærmbilleder viser billede 2018.03.0; nuværende konsoller tilbyder Amazon Linux 2023, så match etiketter, ikke pixels.

AMI står for Amazon Maskinbillede. Det indeholder de oplysninger, der kræves for at starte en instans, der kører på en virtuel server 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 nyere binære filer af deep learning-frameworks, der er forudinstalleret i separate virtuelle miljøer:

• TensorFlow,
• Caffe
• PyTorch,
• Keras,
• Theano
• CNTK.

Hvert image er fuldt konfigureret med NVIDIA CUDA, cuDNN og NCCL samt Intel MKL-DNN.

Trin 2) Vælg t2.microDet er en gratis server. AWS tilbyder gratis denne virtuelle maskine udstyret med 1 vCPU og 1 GB hukommelse. Denne server giver et godt kompromis mellem beregning, hukommelse og netværksydelse. Den er egnet til små og mellemstore arbejdsbelastninger.

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 9) Forekomst vil starte

Trin 10) Nedenfor er en oversigt over de instanser, der aktuelt er i brug. Bemærk den offentlige IP-adresse.

Trin 11) Klik på Connect

Du finder forbindelsesoplysningerne

Start din instans (Mac OS-brugere)

Først skal du pege terminalens arbejdsmappe på den mappe, der indeholder nøgleparfilen.

køre koden

chmod 400 docker.pem

Åbn forbindelsen med denne kode.

Der er to kommandoer. Nogle gange stopper den første. Jupyter åbner 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 programmer er installeret, skal du konvertere .pem-filen til .ppk. PuTTY kan kun læse .ppk. Pem-filen indeholder den unikke nøgle, der er oprettet 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)

1. Udfold SSH i venstre panel og åbn Auth
2. Gennemse den private nøgle. Du skal vælge .ppk
3. 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

Docker-vejledning dækker det anvendte containervokabular nedenfor.

Mens du er forbundet til serveren via PuTTY eller Terminal, kan du installere Docker motor.

Udfør følgende koder. Amazon Linux 2023, brug dnf forum yum og systemctl start docker forum service docker start.

sudo yum update -y
sudo yum install -y docker
sudo service docker start
sudo usermod -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 genopretter forbindelsen til PuTTY præcis som beskrevet ovenfor.

Del 5: Installer Jupyter

Trin 1) Opret Jupyter container fra et præbygget billede:

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

Code Forklaring

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

For andre præfabrikerede billeder, gennemse Jupyter Docker Stacks-arkivSiden oktober 2023 er disse billeder blevet sendt på Quay.io, så træk quay.io/jupyter/tensorflow-notebook or quay.io/jupyter/pyspark-notebook forum PySparkDocker Hub-kopierne er frosset.

Lad containeren skrive ind i den monterede work mappe så notesbøger overlever en genstart:

sudo chown 1000 ~/work

Trin 2) Installer tree så du kan inspicere arbejdsmappen:

sudo yum install -y tree

Trin 3) Tjek beholderen og dens navn

Kør kommandoerne nedenfor i rækkefølge:

1. List de kørende containere:

   docker ps

2. Læs containerloggen for Jupyter URLHer hedder containeren vigilant_easley:

   docker logs vigilant_easley

3. Kopier URL, med dens token, fra loggen.

Trin 4) I URL Fra loggen skal du erstatte værten (90a3c09282d6 eller 127.0.0.1) med din instans' offentlige DNS:

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 ind i din browser.

Jupyter Åbner

Trin 7) Du kan nu oprette en ny notesbog i din work mappe.

Del 6: Tæt forbindelse

Luk forbindelsen i terminalen

exit

Gå tilbage til AWS og stop serveren.

Fejlfinding

Hvis Docker ikke virker, skal du genopbygge billedet ved hjælp af

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

Ofte Stillede Spørgsmål