Jupyter Tutorial per notebook: come installare e utilizzare Jupyter?

Che cos'è la Jupyter Taccuino?

Jupyter Taccuino è un'applicazione web open source per scrivere e condividere codici live, equazioni, visualizzazioni con elementi di testo avanzati. Fornisce un modo conveniente per scrivere paragrafi, equazioni, titoli, collegamenti e figure per eseguire l'analisi dei dati. È utile anche per condividere algoritmi interattivi con il pubblico a scopo didattico o dimostrativo.

Introduzione alla Jupyter App per notebook

Jupyter Notebook App è l'interfaccia in cui puoi scrivere script e codici tramite il tuo browser web. L'app può essere utilizzata localmente, il che significa che non è necessario l'accesso a Internet o un server remoto.

Ogni calcolo viene eseguito tramite un kernel. Viene creato un nuovo kernel ogni volta che si avvia un file Jupyter Taccuino.

Come si usa Jupyter Taccuino

Nella sessione seguente imparerai come utilizzare Jupyter Taccuino. Scriverai una semplice riga di codice per familiarizzare con l'ambiente di Jupyter.

Passo 1) Aggiungi una cartella all'interno della directory di lavoro che conterrà tutti i taccuini che creerai durante i tutorial su TensorFlow.

Apri il Terminale e scrivi

mkdir jupyter_tf
jupyter notebook

Spiegazione del codice

mkdir jupyter_tf: Crea una cartella chiamata jupyter_tf
notebook jupyter: aperto Jupyter web-app

Passo 2) Puoi vedere la nuova cartella all'interno dell'ambiente. Fai clic sulla cartella jupyter_tf.

Passo 3) All'interno di questa cartella creerai il tuo primo taccuino. Fare clic sul pulsante Nuovo e Python 3.

Passo 4) Sei dentro il Jupyter ambiente. Finora il tuo notebook si chiama Untiltled.ipynb. Questo è il nome predefinito fornito da Jupyter. Rinominiamolo cliccando su Compila il e Rinominare

Puoi rinominarlo Introduction_jupyter

Nell'AWS Jupyter Notebook, scrivi codici, annotazioni o testo all'interno delle celle.

All'interno di una cella puoi scrivere una singola riga di codice.

o più righe. Jupyter legge il codice una riga dopo l'altra.

Ad esempio, se si scrive il seguente codice all'interno di una cella.

Produrrà questo output.

Passo 5) Sei pronto per scrivere la tua prima riga di codice. Puoi notare che la cella ha due colori. Il colore verde significa che sei nel modalità di modifica.

Il colore blu, invece, indica che sei dentro modalità di esecuzione.

La prima riga di codice sarà quella di stampare Guru99!. All'interno della cella puoi scrivere

print("Guru99!")

Esistono due modi per eseguire un codice Jupyter:

Fare clic ed eseguire
Tasti di scelta rapida

Per eseguire il codice è possibile fare clic su Cella e poi Esegui celle e seleziona di seguito

Puoi vedere che il codice è stampato sotto la cella e una nuova cella è apparsa subito dopo l'output.

Un modo più veloce per eseguire un codice è utilizzare il file Tasti di scelta rapida. Per accedere alle scorciatoie da tastiera, vai a Aiuto e Tasti di scelta rapida

Di seguito l'elenco delle scorciatoie per una tastiera MacOS. Puoi modificare le scorciatoie nell'editor.

Di seguito sono riportate le scorciatoie per Windows

Scrivi questa riga

print("Hello world!")

e prova a utilizzare le scorciatoie da tastiera per eseguire il codice. Usa alt+invio. eseguirà la cella e inserirà una nuova cella vuota sotto, come hai fatto prima.

Passo 6) È ora di chiudere il Notebook. Vai a Compila il e cliccare su Chiudi e fermati

Note:: Jupyter salva automaticamente il notebook con checkpoint. Se hai il seguente messaggio:

Significa Jupyter non ha salvato il file dall'ultimo checkpoint. È possibile salvare manualmente il taccuino

Verrai reindirizzato al pannello principale. Puoi vedere che il tuo taccuino è stato salvato un minuto fa. Puoi tranquillamente disconnetterti.

Installazione Jupyter Notebook con AWS

Di seguito è riportato un processo passo passo su come installare ed eseguire Jupyter Taccuino su AWS:

Se non disponi di un account su AWS, crea un account gratuito qui.

Procederemo come segue

Parte 1: imposta una coppia di chiavi
Parte 2: configura un gruppo di sicurezza
Parte 3: avvio dell'istanza
Parte 4: installa Docker
Parte 5: installazione Jupyter
Parte 6: Chiudere la connessione

PARTE 1: imposta una coppia di chiavi

Passo 1) Vai su Servizi e trova EC2

Passo 2) Nel pannello e fare clic su Coppie di chiavi

Passo 3) Fare clic su Crea coppia di chiavi

Puoi chiamarla chiave Docker
Fare clic su Crea

Viene scaricato un file con il nome Docker_key.pem.

Passo 4) Copialo e incollalo nella chiave della cartella. Ne avremo bisogno presto.

Solo per utenti Mac OS

Questo passaggio riguarda solo gli utenti Mac OS. Per Windows o utenti Linux, procedere alla PARTE 2

È necessario impostare una directory di lavoro che conterrà la chiave del file

Prima di tutto, crea una cartella denominata key. Per noi si trova all'interno della cartella principale Docker. Quindi, imposti questo percorso come directory di lavoro

mkdir Docker/key
cd Docker/key

PARTE 2: Configura un gruppo di sicurezza

Passo 1) È necessario configurare un gruppo di sicurezza. Puoi accedervi dal pannello

Passo 2) Fare clic su Crea gruppo di sicurezza

Passo 3) Nella schermata successiva

Inserisci il nome del gruppo di sicurezza "jupyter_docker" e Description Security Group per Docker
Devi aggiungere 4 regole in più

ssh: intervallo di porte 22, origine Anywhere
http: intervallo di porte 80, fonte Anywhere
https: intervallo di porte 443, fonte Anywhere
TCP personalizzato: intervallo di porte 8888, origine Anywhere

Fare clic su Crea

Passo 4) Verrà elencato il gruppo di sicurezza appena creato

Parte 3: avvio dell'istanza

Sei finalmente pronto per creare l'istanza

Passo 1) Fare clic su Avvia istanza

Il server predefinito è sufficiente per le tue necessità. Puoi scegliere Amazon AMI Linux. L'istanza corrente è 2018.03.0.

AMI sta per Amazon Immagine della macchina. Contiene le informazioni necessarie per avviare correttamente un'istanza eseguita su un server virtuale archiviato nel cloud.

Tieni presente che AWS dispone di un server dedicato al deep learning come:

AMI di apprendimento profondo (Ubuntu)
AMI di apprendimento profondo
AMI Base per il deep learning (Ubuntu)

Tutti vengono forniti con gli ultimi file binari dei framework di deep learning preinstallati in ambienti virtuali separati:

TensorFlow,
Caffe
PyTorch,
Keras,
Theano
CNTK.

Completamente configurato con NVidia CUDA, cuDNN e NCCL nonché Intel MKL-DNN

Passo 2) Scegli t2.micro. È un server di livello gratuito. AWS offre gratuitamente questa macchina virtuale dotata di 1 vCPU e 1 GB di memoria. Questo server fornisce un buon compromesso tra calcolo, memoria e prestazioni di rete. Si adatta a database di piccole e medie dimensioni

Passo 3) Mantieni le impostazioni predefinite nella schermata successiva e fai clic su Avanti: Aggiungi spazio di archiviazione

Passo 4) Aumenta lo spazio di archiviazione a 10 GB e fai clic su Avanti

Passo 5) Mantieni le impostazioni predefinite e fai clic su Avanti: Configura gruppo di sicurezza

Passo 6) Scegli il gruppo di sicurezza che hai creato prima, ovvero jupyter_docker

Passo 7) RevVisualizza le tue impostazioni e fai clic sul pulsante di avvio

Passo 8 ) L'ultimo passaggio consiste nel collegare la coppia di chiavi all'istanza.

Passo 8) L'istanza verrà avviata

Passo 9) Di seguito un riepilogo delle istanze attualmente in uso. Prendi nota dell'IP pubblico

Passo 9) Clicca su Connetti

Troverai i dettagli della connessione

Avvia la tua istanza (utenti Mac OS)

Innanzitutto assicurati che all'interno del terminale la tua directory di lavoro punti alla cartella con la finestra mobile del file della coppia di chiavi

eseguire il codice

chmod 400 docker.pem

Apri la connessione con questo codice.

Ci sono due codici. in alcuni casi, il primo codice evita Jupyter per aprire il taccuino.

In questo caso, utilizzare il secondo per forzare la connessione Jupyter Notebook su 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

La prima volta ti verrà chiesto di accettare la connessione

Avvia la tua istanza (Windows utenti)

Passo 1) Vai a questo sito Web per scaricare PuTTY e PuTTYgen PuTTY

Devi scaricare

PuTTY: avvia l'istanza
PuTTYgen: converte il file pem in ppk

Ora che entrambi i software sono installati, devi convertire il file .pem in .ppk. PuTTY può leggere solo .ppk. Il file pem contiene la chiave univoca creata da AWS.

Passo 2) Apri PuTTYgen e fai clic su Carica. Sfoglia la cartella in cui si trova il file .pem.

Passo 3)Dopo aver caricato il file, dovresti ricevere un avviso che ti informa che la chiave è stata importata con successo. Fare clic su OK

Passo 4) Quindi fare clic su Salva chiave privata. Ti verrà chiesto se desideri salvare questa chiave senza passphrase. Fare clic su sì.

Passo 5) Salva la chiave

Passo 6) Vai su AWS e copia il DNS pubblico

Apri PuTTY e incolla il DNS pubblico nel nome host

Passo 7)

Nel pannello di sinistra, apri SSH e apri Auth
Sfoglia la chiave privata. Dovresti selezionare il file .ppk
Fare clic su Apri.

Passo 8)

Al termine di questo passaggio, verrà aperta una nuova finestra. Fai clic su Sì se vedi questo popup

Passo 9)

È necessario accedere come: ec2-user

Passo 10)

Sei connesso a Amazon AMI Linux.

Parte 4: installa Docker

Mentre sei connesso al server tramite Putty/Terminale, puoi installare docker contenitore.

Eseguire i seguenti codici

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

Riavviare la connessione

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 gli utenti utilizzano SSH come menzionato sopra

Parte 5: installazione Jupyter

Passo 1) Creare Jupyter con,

immagine precostruita.

## 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

Spiegazione del codice

docker run: esegue l'immagine
v: allega un volume
~/lavoro:/casa/jovyan/lavoro: Volume
8888:8888: porto
jupyter/datascience-notebook: Immagine

Per altre immagini precompilate, vai qui

Consentire la conservazione Jupyter Taccuino dell'AWS

sudo chown 1000 ~/work

Passo 2) Installa l'albero per vedere,

la nostra directory di lavoro successiva

sudo yum install -y tree

Passo 3) Controlla il contenitore e il suo nome

Usa il comando

```
docker ps
```
Ottieni il nome e usa il registro per aprire Jupyter. In questo Jupyter tutorial, il nome del contenitore è vigilant_easley. Usa il comando
```
docker logs vigilant_easley
```
Ottieni l'URL

Passo 4) Nell'URL,

Sostituisci (90a3c09282d6 o 127.0.0.1) con il DNS pubblico della tua istanza

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

Passo 5) Il nuovo URL diventa,

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

Passo 6) Copia e incolla l'URL nel tuo browser.

Jupyter Apre

Passo 7) Puoi scrivere un nuovo taccuino,

nella tua cartella di lavoro

Parte 6: Chiudere la connessione

Chiudere la connessione nel terminale

exit

Torna ad AWS e arresta il server.

Troubleshooting

Se la finestra mobile non funziona, prova a ricostruire l'immagine utilizzando

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

Sommario

Jupyter notebook è un'applicazione web in cui puoi eseguire il tuo Python e Codici R. È facile condividere e arricchire analisi dei dati con Jupyter.
Per avviare jupyter, scrivere nel terminale: jupyter notebook
Puoi salvare il tuo taccuino dove vuoi
Una cella contiene il tuo Python codice. Il kernel leggerà il codice uno per uno.
È possibile utilizzare la scorciatoia per eseguire una cella. Per impostazione predefinita: Ctrl+Invio

Potrebbe piacerti: