Jupyter 笔记本教程：如何安装和使用 Jupyter?

什么是 Jupyter 笔记本？

Jupyter 笔记本 是一款开源 Web 应用程序，用于编写和共享实时代码、方程式、带有富文本元素的可视化。它提供了一种方便的方式来编写段落、方程式、标题、链接和图表以运行数据分析。它还可用于与观众分享交互式算法以用于教学或演示目的。

简介 Jupyter 笔记本应用

这个 Jupyter Notebook App 是一个界面，您可以通过网络浏览器编写脚本和代码。该应用可以在本地使用，这意味着您不需要互联网访问或远程服务器。

每个计算都通过一个内核完成。每次启动时都会创建一个新的内核 Jupyter 笔记本电脑。

使用方法 Jupyter 笔记本

在下面的课程中，你将学习如何使用 Jupyter 笔记本。您将编写一行简单的代码来熟悉 Jupyter.

步骤1） 在工作目录中添加一个文件夹，其中包含你将在教程中创建的所有笔记本 TensorFlow.

打开终端并写入

mkdir jupyter_tf
jupyter notebook

代码说明

mkdir jupyter_tf：创建一个名为jupyter_tf的文件夹
jupyter notebook：打开 Jupyter web应用程序

步骤2） 您可以在环境中看到新文件夹。单击文件夹 jupyter_tf。

步骤3） 在此文件夹中，您将创建第一个笔记本。单击按钮新建和 Python 3.

步骤4） 你在 Jupyter 环境。到目前为止，您的笔记本名为 Untiltled.ipynb。这是由 Jupyter。让我们通过点击来重命名它文件和 重命名

您可以将其重命名为Introduction_jupyter

在 AWS 中 Jupyter 笔记本，您可以在单元格内写入代码、注释或文本。

在一个单元格内，您可以编写一行代码。

或多行。 Jupyter 一行接一行地读取代码。

例如，如果您在单元格内写入以下代码。

它将产生这个输出。

步骤5） 您已准备好编写第一行代码。您可以注意到单元格有两种颜色。绿色表示您处于 编辑模式.

然而，蓝色表示你处于 执行模式.

第一行代码是打印 Guru99!。在单元格内，您可以编写

print("Guru99!")

有两种方法可以运行代码 Jupyter:

点击并运行
键盘快捷键

要运行代码，您可以点击手机然后 运行单元格并选择以下

您可以看到代码打印在单元格下方，并且在输出之后立即出现了一个新单元格。

运行代码的更快方法是使用 键盘快捷键。要访问键盘快捷键，请转到帮助和 键盘快捷键

以下是 MacOS 键盘的快捷键列表。您可以在编辑器中编辑快捷键。

以下是 Windows

写下这行

print("Hello world!")

并尝试使用键盘快捷键来运行代码。使用 alt+enter。它将执行单元格并在下面插入一个新的空单元格，就像您之前所做的那样。

步骤6） 是时候关闭笔记本了。转到文件并点击 关闭并停止

备注: Jupyter 自动保存带有检查点的笔记本。如果您收到以下消息：

它的意思是 Jupyter 自上次检查点以来未保存文件。您可以手动保存笔记本

您将被重定向到主面板。您可以看到您的笔记本一分钟前已保存。您可以安全注销。

安装 Jupyter 使用 AWS 的笔记本

以下是如何安装和运行的分步过程 Jupyter AWS 上的笔记本：

如果您没有 AWS 账户，请创建免费账户点击这里.

我们将按照以下步骤进行

第 1 部分：设置密钥对
第 2 部分：设置安全组
第 3 部分：启动实例
第 4 部分：安装 Docker
第 5 部分：安装 Jupyter
第六部分：关闭连接

第 1 部分：设置密钥对

步骤1） 在MyCAD中点击软件更新 服务范围 并找出 EC2

步骤2） 在面板中单击 密钥对

步骤3） 单击创建密钥对

您可以将其称为 Docker 密钥
点击创建

下载一个名为Docker_key.pem的文件名。

步骤4） 将其复制并粘贴到文件夹密钥中。我们很快就会需要它。

仅适用于 Mac OS 用户

此步骤仅适用于 Mac OS 用户。 Windows 对于 Linux 用户，请继续阅读第 2 部分

您需要设置一个包含文件密钥的工作目录

首先，创建一个名为 key 的文件夹。对我们来说，它位于主文件夹 Docker 内。然后，将此路径设置为工作目录

mkdir Docker/key
cd Docker/key

第 2 部分：设置安全组

步骤1） 您需要配置安全组。您可以使用面板访问

步骤2） 单击创建安全组

步骤3） 在下一个屏幕中

输入安全组名称“jupyter_docker” DescriptDocker 的 ion 安全组
您需要在

ssh：端口范围 22，来源任意位置
http: 端口范围 80，来源任意位置
https：端口范围 443，来源任意位置
自定义 TCP：端口范围 8888，来源任意位置

点击创建

步骤4） 新创建的安全组将列出

第 3 部分：启动实例

您终于可以创建实例了

步骤1） 点击启动实例

默认服务器足以满足您的需求。您可以选择 Amazon Linux AMI。当前实例为 2018.03.0。

AMI 代表 Amazon 机器映像。它包含成功启动在云中存储的虚拟服务器上运行的实例所需的信息。

请注意，AWS 拥有专用于深度学习的服务器，例如：

深度学习 AMI（Ubuntu)
深度学习AMI
深度学习基础 AMI (Ubuntu)

它们都附带了在单独的虚拟环境中预装的深度学习框架的最新二进制文件：

TensorFlow，
咖啡
PyTorch,
Keras,
茶野
CNTK。

配备 NVidia CUDA、cuDNN 和 NCCL 以及 Intel MKL-DNN

步骤2） 选择 t2.micro。这是一个免费层服务器。AWS 免费提供此虚拟机，配备 1 个 vCPU 和 1 GB 内存。此服务器在计算、内存和网络性能之间提供了良好的平衡。它适用于中小型数据库

步骤3） 在下一个屏幕中保留设置默认设置，然后单击下一步：添加存储

步骤4） 将存储增加到 10GB 并单击下一步

步骤5） 保持默认设置，单击下一步：配置安全组

步骤6） 选择之前创建的安全组，即 jupyter_docker

步骤7） Rev查看您的设置并点击启动按钮

步骤8 ） 最后一步是将密钥对链接到实例。

步骤8） 实例将启动

步骤9） 以下是当前正在使用的实例的摘要。请注意公共 IP

步骤9） 单击“连接”

您将找到连接详细信息

启动您的实例（Mac OS 用户）

首先确保在终端中，你的工作目录指向包含密钥对文件 docker 的文件夹

运行代码

chmod 400 docker.pem

使用此代码打开连接。

有两种代码。在某些情况下，第一个代码避免 Jupyter 打开笔记本。

在这种情况下，使用第二个来强制连接 Jupyter EC2 上的笔记本。

# 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

第一次，系统会提示您接受连接

启动您的实例 (Windows 用户）

步骤1） 请访问此网站下载PuTTY和PuTTYgen 腻子

你需要下载

PuTTY：启动实例
PuTTYgen：将 pem 文件转换为 ppk

现在两个软件都已安装完毕，您需要将 .pem 文件转换为 .ppk。PuTTY 只能读取 .ppk。pem 文件包含 AWS 创建的唯一密钥。

步骤2） 打开PuTTYgen并点击Load。浏览.pem文件所在的文件夹。

步骤3）加载文件后，您将收到一条通知，告知您密钥已成功导入。单击“确定”

步骤4） 然后点击保存私钥。系统会询问您是否要以不使用密码的方式保存此密钥。点击是。

步骤5） 保存密钥

步骤6） 前往 AWS 并复制公共 DNS

打开 PuTTY 并将公共 DNS 粘贴到主机名中

步骤7）

在左侧面板上，展开 SSH 并打开 Auth
浏览私钥。您应该选择 .ppk
单击打开。

步骤8）

完成此步骤后，将打开一个新窗口。如果您看到此弹出窗口，请单击“是”

步骤9）

您需要以 ec2-user 身份登录

步骤10）

您已连接到 Amazon Linux AMI。

第 4 部分：安装 Docker

当你通过 Putty/Terminal 连接到服务器时，你可以安装 Docker 容器。

执行以下代码

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

再次启动连接

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 用户使用上述 SSH

第 5 部分：安装 Jupyter

步骤1） 创建 Jupyter 与，

预先构建的图像。

## 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

代码说明

docker run：运行镜像
v：附加卷
〜/工作：/ home / jovyan /工作：音量
8888:8888：端口
jupyter/datascience-notebook：图像

对于其他预构建映像，请访问点击这里

允许保存 Jupyter AWS 笔记本

sudo chown 1000 ~/work

步骤2） 安装树来查看，

我们的工作目录

sudo yum install -y tree

步骤3） 检查集装箱及其名称

使用命令

```
docker ps
```
获取名称并使用日志打开 Jupyter。在这 Jupyter 教程中，容器的名称是vigilant_easley。使用命令
```
docker logs vigilant_easley
```
获取网址

步骤4） 在 URL 中，

将（90a3c09282d6 或 127.0.0.1）替换为您实例的公共 DNS

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

步骤5） 新的 URL 变为，

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

步骤6） 将 URL 复制并粘贴到浏览器中。

Jupyter 针脚开路

步骤7） 你可以写一个新的笔记本，

在您的工作文件夹中

第六部分：关闭连接

关闭终端中的连接

exit

返回 AWS 并停止服务器。

故障排除

如果docker无法正常工作，请尝试使用以下方法重建镜像：

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

结语

Jupyter notebook 是一个 Web 应用程序，你可以在其中运行 Python 和 R 代码. 轻松分享和传递丰富的数据分析 - Jupyter.
要启动 jupyter，请在终端中输入：jupyter notebook
您可以将笔记本保存在任何您想要的地方
单元格包含你的 Python 代码。内核会逐一读取代码。
您可以使用快捷方式运行单元格。默认情况下：Ctrl+Enter