如何透過 JupyterHub 使用 Jupyter Notebook
最後修訂日期:
2018-09-13
透過本篇教學文章，您將瞭解如何透過 JupyterHub 使用 Jupyter Notebook 以及執行範例程式碼。
步驟一： 安裝 JupyterHub 並開啟 Notebook 伺服器
- 您可從 QTS App Center 安裝 JupyterHub 。
- 開啟並登入 JupyterHub。
- 點擊切換開關以切換成「開啟」，即可啟動 Notebook 伺服器。
- 畫面將顯示以下項目：
- 執行中： 檢查已啟動的執行個體
- 上傳： 上傳本機檔案到伺服器
- 新增： 開啟新的 Notebook、終端機或資料夾
- 管理員： 切換到管理員頁面（僅適用於管理員帳號）
- 登出 Jupyter Notebook
- 如果 Notebook 正在執行，請點擊［執行中］以檢視下列頁面。 您也可以點擊［關機］將其關閉。
- 系統管理員可以進入［管理員］頁面並存取使用者的 Notebook。
步驟二： 執行範例程式碼
- 在清單上選擇 "jupyter_example"。
- 開啟 "example.ipynb"。
- Python 範例程式碼隨即在新的 Notebook 上開啟。
此程式可以透過 Keras 訓練卷積神經網路 (Convolutional Neural Network)；這是一種高階神經網路 API，可用於 MNIST 資料集中的手寫數字辨識。
如需詳細資訊，請前往：
Keras： https://keras.io/
MNIST： http://yann.lecun.com/exdb/mnist/
- 已執行且儲存範例程式碼。 您也可以重新執行程式碼。
- 點擊［執行］以執行特定片段或循序執行。
- 點擊［單元］（Cell）並選擇［全部執行］，執行完整程式碼。
- 如需更多 Notebook 使用教學，請前往 http://jupyter.org/documentation
- 點擊［執行］以執行特定片段或循序執行。
- 程式會執行下列作業：
- 一開始會匯入必要的資源庫。
匯入 Keras 資源庫
匯入其他 Python 資源庫
- 載入 MNIST 資料集
隨機挑選和檢查影像-標籤組合
- 預先處理訓練集
調整訓練影像的形狀並將影響標準化
One-hot 編碼訓練標籤
- 逐層建立循序模型
- 使用 Adam 優化器，並選擇類別交叉熵 (categorical cross entropy) 作為訓練模型的目標函數。 下列程式碼會執行約數秒。
- 使用測試集評估模型。 雖然訓練集的準確度應高於 99%，此訓練集的準確度可能會些微降低。
- 最後會顯示測試結果。
- 一開始會匯入必要的資源庫。
