部署自己的交互式Python开发环境JupyterLab ============================================ 如果你既希望获得本地或云端强大的计算能力,又希望获得Jupyter Notebook或Colab中方便的在线Python交互式运行环境,可以自己为的本地服务器或云服务器安装JupyterLab。JupyterLab可以理解成升级版的Jupyter Notebook/Colab,提供多标签页支持,在线终端和文件管理等一系列方便的功能,接近于一个在线的Python IDE。 .. tip:: 部分云服务提供了开箱即用的JupyterLab环境,例如前章介绍的 :ref:`GCP中AI Platform的Notebook ` ,以及 `FloydHub `_ 。 在已经部署Python环境后,使用以下命令安装JupyterLab: :: pip install jupyterlab 然后使用以下命令运行JupyterLab: :: jupyter lab --ip=0.0.0.0 然后根据输出的提示,使用浏览器访问 ``http://服务器地址:8888`` ,并使用输出中提供的token直接登录(或设置密码后登录)即可。 JupyterLab界面如下所示: .. figure:: /_static/image/jupyterlab/jupyterlab.png :width: 100% :align: center .. hint:: 可以使用 ``--port`` 参数指定端口号。 部分云服务(如GCP)的实例默认不开放大多数网络端口。如果使用默认端口号,需要在防火墙设置中打开端口(例如GCP需要在“虚拟机实例详情-网络接口-查看详情”中新建防火墙规则,开放对应端口并应用到当前实例)。 如果需要在终端退出后仍然持续运行JupyterLab,可以使用 ``nohup`` 命令及 ``&`` 放入后台运行,即: :: nohup jupyter lab --ip=0.0.0.0 & 程序输出可以在当前目录下的 ``nohup.txt`` 找到。 .. https://stackoverflow.com/questions/53923773/how-to-run-jupyter-lab-in-a-conda-environment-on-a-google-compute-engine-deep-l 为了在JupyterLab的Notebook中使用自己的Conda环境,需要使用以下命令: :: conda activate 环境名(比如在GCP章节建立的tf2.0-beta-gpu) conda install ipykernel ipython kernel install --name 环境名 --user 然后重新启动JupyterLab,即可在Kernel选项和启动器中建立Notebook的选项中找到自己的Conda环境。 .. figure:: /_static/image/jupyterlab/add_env.png :width: 100% :align: center Notebook中新增了“tf2.0-beta-gpu”选项 .. figure:: /_static/image/jupyterlab/kernel.png :width: 100% :align: center 可以在Kernel中选择“tf2.0-beta-gpu” .. raw:: html