Jupyter Tutorial do Notebook: como instalar e usar Jupyter?

O que é o Jupyter Caderno?

Jupyter Portátil é um aplicativo da web de código aberto para escrever e compartilhar códigos ao vivo, equações e visualizações com elementos de rich text. Ele fornece uma maneira conveniente de escrever parágrafos, equações, títulos, links e figuras para executar análises de dados. Também é útil para compartilhar algoritmos interativos com seu público para fins de ensino ou demonstração.

Introduction to Jupyter Notebook App

A Jupyter Notebook App é a interface onde você pode escrever seus scripts e códigos através de seu navegador. O aplicativo pode ser usado localmente, o que significa que você não precisa de acesso à Internet ou de um servidor remoto.

Cada cálculo é feito através de um kernel. Um novo kernel é criado cada vez que você inicia um Jupyter Caderno.

Como usar Jupyter Portátil

Na sessão abaixo, você aprenderá como usar Jupyter Caderno. Você escreverá uma linha simples de código para se familiarizar com o ambiente de Jupyter.

Passo 1) Você adiciona uma pasta dentro do diretório de trabalho que conterá todos os notebooks que você criará durante os tutoriais sobre TensorFlow.

Abra o Terminal e escreva

mkdir jupyter_tf
jupyter notebook

Explicação do código

mkdir jupyter_tf: Crie uma pasta com os nomes jupyter_tf
caderno jupyter: Aberto Jupyter web-app

Passo 2) Você pode ver a nova pasta dentro do ambiente. Clique na pasta jupyter_tf.

Passo 3) Dentro desta pasta você criará seu primeiro caderno. Clique no botão Novo e Python 3.

Passo 4) Você está dentro do Jupyter ambiente. Até agora, seu notebook se chama Untiltled.ipynb. Este é o nome padrão dado por Jupyter. Vamos renomeá-lo clicando em Envie o e Rebatizar

Você pode renomeá-lo como Introdução_jupyter

Na AWS Jupyter Notebook, você escreve códigos, anotações ou texto dentro das células.

Dentro de uma célula, você pode escrever uma única linha de código.

ou múltiplas linhas. Jupyter lê o código uma linha após a outra.

Por exemplo, se você escrever o seguinte código dentro de uma célula.

Ele produzirá esta saída.

Passo 5) Você está pronto para escrever sua primeira linha de código. Você pode notar que a célula tem duas cores. A cor verde significa que você está no modo de edição.

A cor azul, no entanto, indica que você está em modo de execução.

Sua primeira linha de código será imprimir Guru99!. Dentro da célula, você pode escrever

print("Guru99!")

Existem duas maneiras de executar um código em Jupyter:

Clique e execute
Atalhos de teclado

Para executar o código, você pode clicar em Célula e depois Execute células e selecione abaixo

Você pode ver que o código está impresso abaixo da célula e uma nova célula apareceu logo após a saída.

Uma maneira mais rápida de executar um código é usar o Atalhos de teclado. Para acessar os atalhos de teclado, vá para Suporte e Atalhos de teclado

Abaixo está a lista de atalhos para um teclado MacOS. Você pode editar os atalhos no editor.

A seguir estão os atalhos para Windows

Escreva esta linha

print("Hello world!")

e tente usar os atalhos de teclado para executar o código. Use alt+enter. ele executará a célula e inserirá uma nova célula vazia abaixo, como você fez antes.

Passo 6) É hora de fechar o Notebook. Vá para Envie o e clique em Fechar e parar

Note: Jupyter salva automaticamente o notebook com checkpoint. Se você tiver a seguinte mensagem:

Isso significa Jupyter não salvou o arquivo desde o último ponto de verificação. Você pode salvar o notebook manualmente

Você será redirecionado para o painel principal. Você pode ver que seu notebook foi salvo há um minuto. Você pode sair com segurança.

Instale Jupyter Caderno com AWS

Abaixo está um processo passo a passo sobre como instalar e executar Jupyter Caderno na AWS:

Se você não possui uma conta na AWS, crie uma conta gratuita aqui.

Procederemos da seguinte forma

Parte 1: Configure um par de chaves
Parte 2: Configure um grupo de segurança
Parte 3: Instância de lançamento
Parte 4: Instale o Docker
Parte 5: Instalar Jupyter
Parte 6: Conexão próxima

PARTE 1: Configure um par de chaves

Passo 1) Acesse Serviços e encontra EC2

Passo 2) No painel e clique em Pares de chaves

Passo 3) Clique em Criar par de chaves

Você pode chamá-la de chave Docker
Clique em Criar

Um nome de arquivo Docker_key.pem é baixado.

Passo 4) Copie e cole na chave da pasta. Precisaremos disso em breve.

Somente para usuários de Mac OS

Esta etapa diz respeito apenas ao usuário do Mac OS. Para Windows ou usuários de Linux, prossiga para a PARTE 2

Você precisa definir um diretório de trabalho que conterá a chave do arquivo

Primeiro de tudo, crie uma pasta chamada key. Para nós, ele está localizado dentro da pasta principal do Docker. Então, você define este caminho como seu diretório de trabalho

mkdir Docker/key
cd Docker/key

PARTE 2: Configure um grupo de segurança

Passo 1) Você precisa configurar um grupo de segurança. Você pode acessá-lo com o painel

Passo 2) Clique em Criar grupo de segurança

Passo 3) Na próxima tela

Digite o nome do grupo de segurança “jupyter_docker” e DescriptGrupo de segurança de íons para Docker
Você precisa adicionar 4 regras em cima de

ssh: intervalo de portas 22, fonte em qualquer lugar
http: intervalo de portas 80, fonte em qualquer lugar
https: intervalo de portas 443, fonte em qualquer lugar
TCP personalizado: intervalo de portas 8888, origem em qualquer lugar

Clique em Criar

Passo 4) O grupo de segurança recém-criado será listado

Parte 3: Instância de lançamento

Você finalmente está pronto para criar a instância

Passo 1) Clique em Iniciar instância

O servidor padrão é suficiente para sua necessidade. Você pode escolher Amazon AMI do Linux. A instância atual é 2018.03.0.

AMI significa Amazon Imagem da máquina. Ele contém as informações necessárias para iniciar com êxito uma instância executada em um servidor virtual armazenado na nuvem.

Observe que a AWS possui um servidor dedicado ao aprendizado profundo, como:

AMI de aprendizado profundo (Ubuntu)
AMI de aprendizado profundo
AMI de base de aprendizado profundo (Ubuntu)

Todos eles vêm com os binários mais recentes de estruturas de aprendizado profundo pré-instalados em ambientes virtuais separados:

TensorFlow,
Caffe
PyTorch,
Keras,
Theano
CNTK.

Totalmente configurado com NVidia CUDA, cuDNN e NCCL, bem como Intel MKL-DNN

Passo 2) Escolha t2.micro. É um servidor de nível gratuito. A AWS oferece gratuitamente esta máquina virtual equipada com 1 vCPU e 1 GB de memória. Este servidor oferece uma boa compensação entre computação, memória e desempenho de rede. É adequado para bancos de dados pequenos e médios

Passo 3) Mantenha as configurações padrão na próxima tela e clique em Próximo: Adicionar armazenamento

Passo 4) Aumente o armazenamento para 10 GB e clique em Avançar

Passo 5) Mantenha as configurações padrão e clique em Próximo: Configurar grupo de segurança

Passo 6) Escolha o grupo de segurança que você criou antes, que é jupyter_docker

Passo 7) Revveja suas configurações e clique no botão iniciar

Passo 8 ) A última etapa é vincular o par de chaves à instância.

Passo 8) A instância será iniciada

Passo 9) Abaixo um resumo das instâncias atualmente em uso. Observe o IP público

Passo 9) Clique em Conectar

Você encontrará os detalhes da conexão

Inicie sua instância (usuários do Mac OS)

Primeiro, certifique-se de que dentro do terminal seu diretório de trabalho aponte para a pasta com o arquivo do par de chaves docker

execute o código

chmod 400 docker.pem

Abra a conexão com este código.

Existem dois códigos. em alguns casos, o primeiro código evita Jupyter para abrir o bloco de notas.

Neste caso, use o segundo para forçar a conexão em Jupyter Caderno no 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

Na primeira vez, você será solicitado a aceitar a conexão

Inicie sua instância (Windows Comercial)

Passo 1) Acesse este site para baixar PuTTY e PuTTYgen PuTTY

Você precisa baixar

PuTTY: inicie a instância
PuTTYgen: converta o arquivo pem para ppk

Agora que ambos os softwares estão instalados, você precisa converter o arquivo .pem em .ppk. PuTTY só pode ler .ppk. O arquivo pem contém a chave exclusiva criada pela AWS.

Passo 2) Abra o PuTTYgen e clique em Carregar. Navegue até a pasta onde o arquivo .pem está localizado.

Passo 3)Depois de carregar o arquivo, você receberá um aviso informando que a chave foi importada com sucesso. Clique em OK

Passo 4) Em seguida, clique em Salvar chave privada. Você será perguntado se deseja salvar esta chave sem uma senha. Clique em sim.

Passo 5) Salve a chave

Passo 6) Vá para AWS e copie o DNS público

Abra o PuTTY e cole o DNS público no nome do host

Passo 7)

No painel esquerdo, desdobre SSH e abra Auth
Navegue pela chave privada. Você deve selecionar o .ppk
Clique em Abrir.

Passo 8)

Concluída esta etapa, uma nova janela será aberta. Clique em Sim se você vir este pop-up

Passo 9)

Você precisa fazer login como: ec2-user

Passo 10)

Você está conectado ao Amazon AMI do Linux.

Parte 4: Instale o Docker

Enquanto você está conectado ao servidor via Putty/Terminal, você pode instalar Estivador recipiente.

Execute os seguintes códigos

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

Inicie novamente a conexão

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 os usuários usam SSH conforme mencionado acima

Parte 5: Instalar Jupyter

Passo 1) Crie Jupyter com,

imagem pré-construída.

## 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

Explicação do código

docker run: execute a imagem
v: anexar um volume
~/trabalho:/home/jovyan/trabalho: Volume
8888:8888: porta
jupyter/datascience-notebook: Imagem

Para outras imagens pré-construídas, vá aqui

Permitir preservar Jupyter Caderno AWS

sudo chown 1000 ~/work

Passo 2) Instale a árvore para ver,

nosso diretório de trabalho a seguir

sudo yum install -y tree

Passo 3) Verifique o contêiner e seu nome

Use o comando

```
docker ps
```
Obtenha o nome e use o log para abrir Jupyter. Neste Jupyter tutorial, o nome do contêiner é vigilant_easley. Usar comando
```
docker logs vigilant_easley
```
Obtenha o URL

Passo 4) Na URL,

Substitua (90a3c09282d6 ou 127.0.0.1) pelo DNS público da sua instância

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

Passo 5) O novo URL se torna,

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

Passo 6) Copie e cole o URL em seu navegador.

Jupyter Abre

Passo 7) Você pode escrever um novo caderno,

na sua pasta de trabalho

Parte 6: Conexão próxima

Feche a conexão no terminal

exit

Volte para AWS e pare o servidor.

guia de solução de problemas

Se alguma vez o docker não funcionar, tente reconstruir a imagem usando

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

Resumo

Jupyter notebook é um aplicativo da web onde você pode executar seu Python e Códigos R. É fácil compartilhar e fornecer informações valiosas análise de dados com Jupyter.
Para iniciar o jupyter, escreva no terminal: jupyter notebook
Você pode salvar seu notebook onde quiser
Uma célula contém seu Python código. O kernel lerá o código um por um.
Você pode usar o atalho para executar uma célula. Por padrão: Ctrl+Enter

Você pode gostar: