JupyterHub から Jupyter Notebook を使用する方法

最終更新日: 2018-09-13

このチュートリアルでは、JupyterHubからJupyter Notebookを使用して、サンプルコードを実行する方法について説明します。

ステップ1：JupyterHubをインストールしてNotebookサーバーを開く

JupyterHubは、QTS App Centerからダウンロードできます。
JupyterHubを起動してログインします。
スイッチをクリックしてオフから「On (オン)」に切り替え、Notebookサーバーを起動します。
インターフェイスが以下のように表示されます。
1. "Running (実行中)"：開始したインスタンスをチェック
2. "Upload (アップロード)"：ローカルファイルをサーバーにアップロード
3. "New (新規)"：新しいNotebook、ターミナル、またはフォルダを開く
4. "Admin"：管理ページに切り替える（管理者アカウントのみ）
5. Jupyter Notebookからサインアウトする
Notebookが動作しているときに、[Running (実行中)] をクリックして以下のページを表示します。また、[Shutdown (シャットダウン)] をクリックして閉じることもできます。
管理者は、「Admin」ページに移動し、ユーザーのNotebookにアクセスできます。

ステップ2：サンプルコードの実行

リストの [jupyter_example] を選択します。
[example.ipynb] を開きます。
Pythonサンプルコードが新しいNotebookで開きます。
このプログラムは、KerasからConvolutional Neural Networkをトレーニングすることができます。これは、MNISTデータセットにおける手書きの数値認識を行うためのハイレベルニューラルネットワークAPIです。
詳しくは以下をご覧ください。
Keras：https://keras.io/
MNIST：http://yann.lecun.com/exdb/mnist/

サンプルコードが実行されて保存されました。再び実行することもできます。
- [Run (実行)] をクリックして、特定のセクションを実行したり、順番に実行します。
- [Cell (セル)] をクリックして、[Run All (すべて実行)] を選び、完全なコードを実行します。
- Notebookの詳細なチュートリアルについては、http://jupyter.org/documentationまでアクセスしてください
プログラムは以下を行います。
- 開始部分では、必要なライブラリがインポートされます。
  Kerasライブラリのインポート
  
  Pythonライブラリのインポート
- MNISTデータセットの読み込み
  
  イメージラベルペアをランダムで選び確認
- トレーニングセットの事前処理
  トレーニングイメージの変形と正規化
  
  トレーニングラベルのワンホットエンコード
- Sequential Modelをレイヤーごとに作成
- Adamオプティマイザーを使用して、オブジェクト関数としてカテゴリの交差エントロピーを選び、モデルをトレーニングします。以下の部分は数秒間実行されます。
- テストセットを使用してモデルを評価します。トレーニングセットの精度は99%を超えますが、テストセットの精度は、やや低減します。
- 最後に、テスト結果が表示されます。

この記事は役に立ちましたか？

はい。いいえ。

24% の人が、これは役に立つと思っています。

この記事の改善箇所をお知らせください。

記事に、重要な情報が欠けている
記事のソリューションでは解決できない
記事の内容が複雑すぎる
記事には誤った情報が含まれている
記事の情報は最新ではない

その他のフィードバックがある場合は、以下に入力してください。

その他のフィードバックがある場合は、以下に入力してください。