Jak korzystać z Jupyter Notebook przez aplikację JupyterHub

W tym samouczku dowiesz się, jak korzystać z Jupyter Notebook przez aplikację JupyterHub oraz jak uruchomić przykładowy kod.

Krok 1: Zainstaluj aplikację JupyterHub i otwórz serwer Notebook

• Aplikację JupyterHub można zainstalować z QTS App Center.
  
• Uruchom aplikację JupyterHub i zaloguj się.
  
• Kliknij przełącznik z ustawienia „Wył.” na „On (Wł.)”, aby uruchomić serwer Notebook.
  
• W interfejsie są wyświetlone następujące pozycje:
  1. „Running (Uruchomiony)”: Sprawdź uruchomione pozycje
  2. „Upload (Przesyłanie)”: Prześlij lokalne pliki do serwera
  3. „New (Nowy)”: Otwórz nowy Notebook, terminal lub folder
  4. „Admin”: Przełącz się na stronę administratora (tylko w przypadku kont z uprawnieniami administratora)
  5. Wyloguj się z Jupyter Notebook
     
• Jeśli Notebook jest uruchomiony, kliknij „Running (Uruchomiony)”, aby wyświetlić następującą stronę. Możesz także kliknąć opcję „Shutdown (Zamknij)”, aby zamknąć program.
  
• Administratorzy mogą uzyskiwać dostęp do aplikacji Notebook użytkownika, wchodząc przez stronę „Admin”.
  

Krok 2: Uruchom przykładowy kod

• Wybierz na liście pozycję „jupyter_example”.
  
• Otwórz „example.ipynb”.
  
• Przykładowy kod w języku Python zostanie otwarty w nowej instancji aplikacji Notebook.
  Program ten może zapewniać uczenie Neuronowej sieci konwolucyjnej za pośrednictwem Keras, tzn. interfejsu API sieci neuronowych wysokiego poziomu, umożliwiającego cyfrowe rozpoznawanie pisma odręcznego w zestawie danych MNIST.
  Aby uzyskać szczegółowe informacje, odwiedź stronę:
  Keras: https://keras.io/
  MNIST: http://yann.lecun.com/exdb/mnist/
  

• Ten przykładowy kod można uruchomić i zapisać. Można go także uruchomić ponownie.
  • Kliknij polecenie „Run (Uruchom)”, aby uruchomić określoną część lub uruchomić go sekwencyjnie.
    
  • Kliknij „Cell (Komórka)” i wybierz „Run All (Uruchom wszystko)”, aby uruchomić cały kod.
    
  • Więcej samouczków w zakresie aplikacji Notebook można znaleźć na stronie http://jupyter.org/documentation
• Program wykonuje następujące operacje:
  • Na początku importowane są wymagane biblioteki.
    Importuj biblioteki Keras
    
    Importuj inne biblioteki Python
    
  • Załaduj zestaw danych MNIST
    
    Wybierz losowo i sprawdź parę obraz-etykieta
    
  • Przetwórz wstępnie zestaw szkoleniowy
    Zmień kształt obrazów szkoleniowych i je normalizuj
    
    Kodowanie etykiet szkoleniowych w trybie 1 z n.
    
  • Utwórz sekwencyjny model warstwa po warstwie
    
  • Przy użyciu optymalizatora Adam wybierz entropię krzyżową kategorii jako funkcję docelową w celu szkolenia modelu. Na kilka sekund uruchomiona zostanie poniższa część.
    
  • Oceń model przy użyciu zestawu testowego. Mimo że dokładność zestawu szkoleniowego wynosi ponad 99%, dokładność w teście może nieznacznie spaść.
    
  • Wyświetlone zostaną wyniki testu.