Jupyter Notebook-veiledning: Hvordan installere og bruke Jupyter?

Hva er Jupyter Notisbok?

Jupyter bærbare er en åpen kildekode-nettapplikasjon for å skrive og dele levende koder, ligninger, visualiseringer med rik tekstelementer. Det gir en praktisk måte å skrive avsnitt, ligninger, titler, lenker og figurer for å kjøre dataanalyse. Det er også nyttig for å dele interaktive algoritmer med publikum for undervisning eller demonstrasjon.

Introduksjon til Jupyter Notebook-app

Ocuco Jupyter Notebook-appen er grensesnittet der du kan skrive skript og koder gjennom nettleseren din. Appen kan brukes lokalt, noe som betyr at du ikke trenger internettilgang, eller en ekstern server.

Hver beregning gjøres via en kjerne. En ny kjerne opprettes hver gang du starter en Jupyter Notebook.

Nåværende installasjoner sendes Notatbok 7, bygd på Jupyterlab jupyter notebook fungerer fortsatt, og begge leser det samme .ipynb filen.

Bruksanvisning Jupyter bærbare

I økten nedenfor lærer du hvordan du bruker Jupyter Notisbok. Du vil skrive en enkel kodelinje for å bli kjent med miljøet til Jupyter.

Trinn 1) Du legger til en mappe i arbeidsmappen som skal inneholde alle notatbøkene du oppretter i løpet av veiledningene om tensorflow.

If Jupyter mangler, løp pip install notebook først, som den TensorFlow installasjonsveiledning gjør. Åpne deretter terminalen og skriv

mkdir jupyter_tf
jupyter notebook

Code Forklaring

• mkdir jupyter_tf: Opprett en mappe med navnet jupyter_tf
• jupyter notatbok: Åpen Jupyter web-app

Trinn 2) Du kan se den nye mappen inne i miljøet. Klikk på mappen jupyter_tf.

Trinn 3) Inne i denne mappen vil du lage din første notatbok. Klikk på knappen Ny og Python 3.

Trinn 4) Du er inne i Jupyter miljø. Så langt heter notatboken din Untitled.ipynb. Dette er standardnavnet gitt av Jupyter. La oss gi det nytt navn ved å klikke på filet og Gi nytt navn

Du kan gi det nytt navn til Introduction_jupyter

Inne i Jupyter Notatbokgrensesnitt, du skriver kode, merknader eller tekst inni celler.

Inne i en celle kan du skrive en enkelt linje med kode.

eller flere linjer. Jupyter leser koden den ene linjen etter den andre.

For eksempel hvis du skriver følgende kode inne i en celle.

Det vil produsere denne utgangen.

Trinn 5) Du er klar til å skrive den første kodelinjen din. Du kan legge merke til at cellen har to farger. Den grønne fargen betyr at du er i redigeringsmodus.

Den blå fargen indikerer imidlertid at du er med utførelsesmodus.

Den første kodelinjen din skrives ut Guru99!. Inne i cellen kan du skrive

print("Guru99!")

Det er to måter å kjøre en kode på Jupyter:

• Klikk og kjør
• Snarveier

For å kjøre koden kan du klikke på Cell og deretter Kjør celler og velg nedenfor

Du kan se at koden er skrevet ut under cellen og en ny celle har dukket opp rett etter utdata.

En raskere måte å kjøre en kode på er å bruke Snarveier. For å få tilgang til hurtigtastene, gå til Hjelp og Snarveier

Nedenfor listen over snarveier for et MacOS-tastatur. Du kan redigere snarveiene i redigeringsprogrammet.

Følgende er snarveier for Windows

Skriv denne linjen

print("Hello world!")

og prøv hurtigtasten. Alt+Enter kjører cellen og setter inn en ny, tom celle nedenfor.

Trinn 6) Det er på tide å lukke Notebook-en. Gå til filet og klikk på Lukk og stopp

Merknader: Jupyter lagrer automatisk notatboken med sjekkpunkt. Hvis du har følgende melding:

Det betyr Jupyter har ikke lagret filen siden siste sjekkpunkt. Du kan lagre notatboken manuelt

Du vil bli omdirigert til hovedpanelet. Du kan se at notatboken din har blitt lagret for et minutt siden. Du kan trygt logge ut.

Install Jupyter Notatbok med AWS

Når et datasett vokser ut av det lokale minnet, flytt notatboken til en skyserver. Nedenfor finner du en trinnvis prosess for å installere og kjøre Jupyter Notatbok på AWS:

Hvis du ikke har en konto hos AWS, opprett en gratis konto her..

Vi fortsetter som følger

• Del 1: Sett opp et nøkkelpar
• Del 2: Sett opp en sikkerhetsgruppe
• Del 3: Start forekomst
• Del 4: Installer Docker
• Del 5: Installer Jupyter
• Del 6: Tett tilkobling

Del 1: Sett opp et nøkkelpar

Trinn 1) Gå til Tjenester og finne EC2

Trinn 2) I panelet og klikk på Nøkkelpar

Trinn 3) Klikk på Opprett nøkkelpar

1. Du kan kalle det Docker-nøkkel
2. Klikk på Opprett

En fil med navnet Docker_key.pem lastes ned.

Trinn 4) Kopier og lim den inn i mappenøkkelen. Vi trenger det snart.

Kun for Mac OS-brukere

Dette trinnet gjelder kun for Mac OS-brukere. Windows og Linux-brukere kan hoppe videre til del 2.

Du må angi en arbeidsmappe som skal inneholde filnøkkelen

Først av alt, opprett en mappe som heter nøkkel. For oss ligger den inne i hovedmappen Docker. Deretter setter du denne banen som din arbeidskatalog

mkdir Docker/key
cd Docker/key

Del 2: Sett opp en sikkerhetsgruppe

Trinn 1) Du må konfigurere en sikkerhetsgruppe. Du får tilgang til det med panelet

Trinn 2) Klikk på Opprett sikkerhetsgruppe

Trinn 3) I neste skjermbilde

1. Skriv inn navnet på sikkerhetsgruppen «jupyter_docker» og beskrivelsen Sikkerhetsgruppe for Docker.
2. Legg til de fire innkommende reglene som er oppført nedenfor:
   • ssh: portområde 22, kilde hvor som helst
   • http: portområde 80, kilde hvor som helst
   • https: portområde 443, kilde hvor som helst
   • Egendefinert TCP: portområde 8888, kilde hvor som helst
3. Klikk på Opprett.

Trinn 4) Den nyopprettede sikkerhetsgruppen vil bli oppført

Del 3: Start forekomst

Du er endelig klar til å opprette forekomsten

Trinn 1) Klikk på Start forekomst

Standardserveren er nok. Velg Amazon Linux AMI. Skjermbilder viser bilde 2018.03.0; nåværende konsoller tilbyr Amazon Linux 2023, så match etiketter, ikke piksler.

AMI står for Amazon Maskinavbildning. Den inneholder informasjonen som kreves for å starte en instans som kjører på en virtuell server i skyen.

Merk at AWS har en server dedikert til dyp læring som:

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

Alle leveres med nyere binærfiler av rammeverk for dyp læring forhåndsinstallert i separate virtuelle miljøer:

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

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

Trinn 2) Velg t2.microDet er en gratis server. AWS tilbyr denne virtuelle maskinen gratis utstyrt med 1 vCPU og 1 GB minne. Denne serveren gir en god avveining mellom beregning, minne og nettverksytelse. Den passer til små og mellomstore arbeidsbelastninger.

Trinn 3) Behold standardinnstillingene i neste skjermbilde og klikk Neste: Legg til lagring

Trinn 4) Øk lagringsplassen til 10 GB og klikk på Neste

Trinn 5) Behold standardinnstillingene og klikk på Neste: Konfigurer sikkerhetsgruppe

Trinn 6) Velg sikkerhetsgruppen du opprettet før, som er jupyter_docker

Trinn 7) Revse innstillingene dine og klikk på startknappen

Trinn 8) Det siste trinnet er å koble nøkkelparet til instansen.

Trinn 9) Forekomsten vil starte

Trinn 10) Nedenfor er et sammendrag av instansene som er i bruk for øyeblikket. Merk deg den offentlige IP-adressen

Trinn 11) Klikk på Connect

Du finner tilkoblingsdetaljene

Start forekomsten din (Mac OS-brukere)

Først peker du terminalens arbeidskatalog mot mappen som inneholder nøkkelparfilen.

kjøre koden

chmod 400 docker.pem

Åpne forbindelsen med denne koden.

Det er to kommandoer. Noen ganger stopper den første. Jupyter åpner notatboken.

I dette tilfellet bruker du den andre til å tvinge tilkoblingen inn Jupyter Notebook 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 blir du bedt om å godta tilkoblingen

Start forekomsten din (Windows brukere)

Trinn 1) Gå til denne nettsiden for å laste ned PuTTY og PuTTYgen PuTTY

Du må laste ned

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

Nå som begge programmene er installert, må du konvertere .pem-filen til .ppk. PuTTY kan bare lese .ppk. Pem-filen inneholder den unike nøkkelen som ble opprettet av AWS.

Trinn 2) Åpne PuTTYgen og klikk på Last inn. Bla gjennom mappen der .pem-filen ligger.

Trinn 3) Etter at du har lastet inn filen, bør du få en melding som informerer deg om at nøkkelen er vellykket importert. Klikk på OK

Trinn 4) Klikk deretter på Lagre privat nøkkel. Du blir spurt om du vil lagre denne nøkkelen uten en passordfrase. Klikk på ja.

Trinn 5) Lagre nøkkelen

Trinn 6) Gå til AWS og kopier den offentlige DNS

Åpne PuTTY og lim inn den offentlige DNS-en i vertsnavnet

Trinn 7)

1. På venstre panel folder du ut SSH og åpner Auth
2. Bla gjennom den private nøkkelen. Du bør velge .ppk
3. Klikk på Åpne.

Trinn 8)

Når dette trinnet er gjort, åpnes et nytt vindu. Klikk Ja hvis du ser denne popup-vinduet

Trinn 9)

Du må logge inn som: ec2-user

Trinn 10)

Du er koblet til Amazon Linux AMI.

Del 4: Installer Docker

Ocuco Docker-opplæring dekker beholdervokabularet som brukes nedenfor.

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

Kjør følgende koder. På Amazon Linux 2023, bruk 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 tilkoblingen igjen

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 brukere kobler seg til PuTTY på nytt nøyaktig som beskrevet ovenfor.

Del 5: Installer Jupyter

Trinn 1) Opprett Jupyter beholder fra et forhåndsbygd bilde:

## 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: Kjør bildet
• v: feste et volum
• ~/work:/home/jovyan/work: Volum
• 8888:8888: port
• jupyter/datascience-notebook: Bilde

For andre forhåndsbygde bilder, bla gjennom Jupyter Docker Stacks-depotSiden oktober 2023 sendes disse bildene på Quay.io, så dra quay.io/jupyter/tensorflow-notebook or quay.io/jupyter/pyspark-notebook forum PySparkDocker Hub-kopiene er frosset.

La beholderen skrive inn i den monterte work mappe slik at notatbøker overlever en omstart:

sudo chown 1000 ~/work

Trinn 2) Install tree slik at du kan inspisere arbeidskatalogen:

sudo yum install -y tree

Trinn 3) Sjekk beholderen og navnet

Kjør kommandoene nedenfor i rekkefølge:

1. List opp de kjørende containerne:

   docker ps

2. Les containerloggen for Jupyter URLHer heter containeren vigilant_easley:

   docker logs vigilant_easley

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

Trinn 4) på URL Fra loggen, erstatt verten (90a3c09282d6 eller 127.0.0.1) med din offentlige DNS-instans:

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

Trinn 5) Den nye URL blir,

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

Trinn 6) Kopier og lim inn URL i nettleseren din.

Jupyter Åpner

Trinn 7) Du kan nå opprette en ny notatbok i work mappe.

Del 6: Tett tilkobling

Lukk tilkoblingen i terminalen

exit

Gå tilbake til AWS og stopp serveren.

Feilsøking

Hvis Docker ikke fungerer, gjenoppbygg bildet ved hjelp av

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

Spørsmål og svar