Tutorial do Jupyter Notebook: Como instalar e usar o Jupyter?

O que é o Jupyter Notebook?

Notebook Jupyter é um aplicativo da web de código aberto para escrever e compartilhar códigos ao vivo, equações e visualizações com elementos de texto rico. Ele fornece uma maneira conveniente de escrever parágrafos, equações, títulos, links e figuras para executar a análise de dados. Também é útil para compartilhar algoritmos interativos com seu público para ensinar ou demonstrar o propósito.

Neste tutorial do Jupyter Notebook, você aprenderá-

Introdução ao aplicativo Jupyter Notebook

O Jupyter Notebook App é a interface onde você pode escrever seus scripts e códigos através de seu navegador da web. O aplicativo pode ser usado localmente, o que significa que você não precisa de acesso à Internet ou de um servidor remoto.

Cada cálculo é feito por meio de um kernel. Um novo kernel é criado cada vez que você inicia um Notebook Jupyter.

Como usar o Jupyter Notebook

Na sessão a seguir, você aprenderá a usar o Jupyter Notebook. Você escreverá uma linha de código simples para se familiarizar com o ambiente do Jupyter.

Passo 1) Você adiciona uma pasta dentro do diretório de trabalho que conterá todos os notebooks que criará durante os tutoriais sobre o TensorFlow.

Abra o Terminal e escreva

mkdir jupyter_tf jupyter notebook

Explicação do código

  • mkdir jupyter_tf: Crie uma pasta com os nomes jupyter_tf
  • notebook jupyter: Abra o aplicativo da web Jupyter

Passo 2) Você pode ver a nova pasta dentro do ambiente. Clique na pasta jupyter_tf.

Etapa 3) Dentro desta pasta, você criará seu primeiro caderno. Clique no botão Novo e Python 3 .

Passo 4) Você está dentro do ambiente Jupyter. Até agora, seu bloco de notas é chamado de Untiltled.ipynb. Este é o nome padrão fornecido pelo Jupyter. Vamos renomear clicando em Arquivo e Renomear

Você pode renomeá-lo como Introduction_jupyter

No AWS Jupyter Notebook, você escreve códigos, anotações ou texto dentro das células.

Dentro de uma célula, você pode escrever uma única linha de código.

ou várias linhas. Jupyter lê o código uma linha após a outra.

Por exemplo, se você escrever o seguinte código dentro de uma célula.

Ele produzirá essa saída.

Etapa 5) Você está pronto para escrever sua primeira linha de código. Você pode notar que a célula tem duas cores. A cor verde significa que você está no modo de edição .

A cor azul, no entanto, indica que você está em modo de execução .

Sua primeira linha de código será imprimir Guru99 !. Dentro da célula, você pode escrever

print('Guru99!')

Existem duas maneiras de executar um código no Jupyter:

  • Clique e execute
  • Atalhos do teclado

Para executar o código, você pode clicar em Célula e então Execute as células e selecione abaixo

Você pode ver que o código está impresso abaixo da célula e uma nova célula apareceu logo após a saída.

Uma maneira mais rápida de executar um código é usar o Atalhos do teclado . Para acessar os atalhos de teclado, vá para Ajuda e Atalhos do teclado

Abaixo da lista de atalhos para um teclado MacOS. Você pode editar os atalhos no editor.

A seguir estão os atalhos para Windows

Escreva esta linha

print('Hello world!')

e tente usar os atalhos de teclado para executar o código. Use alt + enter. ele irá executar a célula e inserir uma nova célula vazia abaixo, como você fez antes.

Etapa 6) É hora de fechar o Notebook. Vamos para Arquivo e clique em Fechar e parar

Observação : Jupyter salva automaticamente o bloco de notas com ponto de verificação. Se você tiver a seguinte mensagem:

Isso significa que o Jupyter não salvou o arquivo desde o último ponto de verificação. Você pode salvar manualmente o bloco de notas

Você será redirecionado para o painel principal. Você pode ver que seu bloco de notas foi salvo há um minuto. Você pode fazer logout com segurança.

Instale o Jupyter Notebook com AWS

Abaixo está um processo passo a passo sobre como instalar e executar o Jupyter Notebook no AWS:

Se você não tem uma conta na AWS, crie uma conta gratuita aqui .

Vamos proceder como segue

PARTE 1: Configure um par de chaves

Passo 1) Vamos para Serviços e encontra EC2

Passo 2) No painel e clique em Pares Chave

Etapa 3) Clique em Criar par de chaves

  1. Você pode chamá-la de tecla Docker
  2. Clique em Criar

Um arquivo chamado Docker_key.pem é baixado.

Passo 4) Copie e cole na chave da pasta. Vamos precisar disso em breve.

Apenas para usuários do Mac OS

Esta etapa diz respeito apenas a usuários do Mac OS. Para usuários do Windows ou Linux, prossiga para a PARTE 2

Você precisa definir um diretório de trabalho que conterá a chave do arquivo

Em primeiro lugar, crie uma pasta chamada key. Para nós, ele está localizado dentro da pasta principal do Docker. Em seguida, você define este caminho como seu diretório de trabalho

mkdir Docker/key cd Docker/key 

PARTE 2: Configure um grupo de segurança

Passo 1) Você precisa configurar um grupo de segurança. Você pode acessá-lo com o painel

Passo 2) Clique em Criar Grupo de Segurança

Etapa 3) Na próxima tela

  1. Digite o nome do grupo de segurança 'jupyter_docker' e o Grupo de segurança da descrição para Docker
  2. Você precisa adicionar 4 regras em cima de
  • ssh: intervalo de portas 22, fonte em qualquer lugar
  • http: intervalo de portas 80, fonte Anywhere
  • https: intervalo de portas 443, fonte em qualquer lugar
  • TCP personalizado: intervalo de portas 8888, origem em qualquer lugar
  1. Clique em Criar

Passo 4) O grupo de segurança recém-criado será listado

Parte 3: instância de inicialização

Você finalmente está pronto para criar a instância

Passo 1) Clique em Iniciar instância

O servidor padrão é suficiente para sua necessidade. Você pode escolher Amazon Linux AMI. o a instância atual é 2018.03.0.

AMI significa Amazon Machine Image. Ele contém as informações necessárias para iniciar com êxito uma instância executada em um servidor virtual armazenado na nuvem.

Observe que a AWS tem um servidor dedicado ao aprendizado profundo, como:

  • Deep Learning AMI (Ubuntu)
  • Deep Learning AMI
  • Base de aprendizagem profunda AMI (Ubuntu)

Todos eles vêm com os binários mais recentes de estruturas de aprendizado profundo pré-instalados em ambientes virtuais separados:

  • TensorFlow,
  • Café
  • PyTorch ,
  • Duro ,
  • Theano
  • CNTK.

Totalmente configurado com NVidia CUDA, cuDNN e NCCL, bem como Intel MKL-DNN

Passo 2) Escolher t2.micro . É um servidor de nível gratuito. A AWS oferece gratuitamente esta máquina virtual equipada com 1 vCPU e 1 GB de memória. Este servidor oferece um bom equilíbrio entre computação, memória e desempenho de rede. Ele se encaixa para banco de dados pequeno e médio

Etapa 3) Mantenha as configurações padrão na próxima tela e clique em Próximo: Adicionar armazenamento

Passo 4) Aumente o armazenamento para 10 GB e clique em Avançar

Etapa 5) Mantenha as configurações padrão e clique em Avançar: Configurar Grupo de Segurança

Etapa 6) Escolha o grupo de segurança que você criou antes, que é jupyter_docker

Etapa 7) Revise suas configurações e clique no botão Iniciar

Etapa 8) A última etapa é vincular o par de chaves à instância.

Etapa 8) A instância será iniciada

Etapa 9) Abaixo, um resumo das instâncias atualmente em uso. Observe o IP público

Etapa 9) Clique em Conectar

Você encontrará os detalhes de conexão

Inicie sua instância (usuários do Mac OS)

Em primeiro lugar, certifique-se de que dentro do terminal, seu diretório de trabalho aponta para a pasta com a janela de encaixe de arquivo de par de chaves

execute o código

chmod 400 docker.pem 

Abra a conexão com este código.

Existem dois códigos. em alguns casos, o primeiro código evita que o Jupyter abra o notebook.

Nesse caso, use o segundo para forçar a conexão no Notebook Jupyter no EC2.

# If able to launch Jupyter ssh -i 'docker.pem' This email address is being protected from spambots. You need JavaScript enabled to view it. # If not able to launch Jupyter ssh -i 'docker.pem' This email address is being protected from spambots. You need JavaScript enabled to view it. -L 8888:127.0.0.1:8888 

Na primeira vez, você é solicitado a aceitar a conexão

Inicie sua instância (usuários do Windows)

Passo 1) Vá a este site para baixar PuTTY e PuTTYgen PuTTY

Você precisa baixar

  • PuTTY: inicie a instância
  • PuTTYgen: converta o arquivo pem em ppk

Agora que os dois softwares estão instalados, você precisa converter o arquivo .pem para .ppk. PuTTY só pode ler .ppk. O arquivo pem contém a chave exclusiva criada pela AWS.

Passo 2) Abra o PuTTYgen e clique em Carregar. Procure a pasta onde o arquivo .pem está localizado.

Etapa 3) Depois de carregar o arquivo, você deve receber um aviso informando que a chave foi importada com sucesso. Clique em OK

Passo 4) Em seguida, clique em Salvar chave privada. Será perguntado se você deseja salvar esta chave sem uma senha longa. Clique em sim.

Etapa 5) Salve a chave

Etapa 6) Vá para AWS e copie o DNS público

Abra o PuTTY e cole o DNS público no nome do host

Etapa 7)

  1. No painel esquerdo, desdobre o SSH e abra o Auth
  2. Navegue pela chave privada. Você deve selecionar o .ppk
  3. Clique em Abrir.

Etapa 8)

Quando esta etapa for concluída, uma nova janela será aberta. Clique em Sim se você vir este pop-up

Etapa 9)

Você precisa fazer o login como: ec2-user

Etapa 10)

Você está conectado ao Amazon Linux AMI.

Parte 4: Instale o Docker

Enquanto você está conectado ao servidor via Putty / Terminal, você pode instalar Docker recipiente.

Execute os seguintes códigos

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

Inicie novamente a conexão

ssh -i 'docker.pem' This email address is being protected from spambots. You need JavaScript enabled to view it. -L 8888:127.0.0.1:8888

Os usuários do Windows usam SSH conforme mencionado acima

Parte 5: Instale o Jupyter

Passo 1) Crie o Jupyter com,

imagem pré-construída.

## 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 

Explicação do código

  • docker run: execute a imagem
  • v: anexar um volume
  • ~ / trabalho: / home / jovyan / trabalho: Volume
  • 8888: 8888: porta
  • jupyter / datascience-notebook: Imagem

Para outras imagens pré-construídas, vá aqui

Permitir a preservação do notebook Jupyter AWS

sudo chown 1000 ~/work 

Passo 2) Instale a árvore para ver,

nosso diretório de trabalho próximo

sudo yum install -y tree 

Etapa 3) Verifique o contêiner e seu nome

Use o comando

  1. docker ps
  2. Obtenha o nome e use o log para abrir o Jupyter. Neste tutorial do Jupyter, o nome do contêiner é vigilant_easley. Use o comando
    docker logs vigilant_easley
  3. Obtenha o URL

Passo 4) No URL,

Substitua (90a3c09282d6 ou 127.0.0.1) pelo DNS público de sua instância

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

Etapa 5) O novo URL se torna,

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

Etapa 6) Copie e cole o URL em seu navegador.

Jupyter abre

Etapa 7) Você pode escrever um novo Notebook,

na sua pasta de trabalho

Parte 6: Fechar conexão

Feche a conexão no terminal

exit 

Volte para a AWS e pare o servidor.

Solução de problemas

Se alguma janela de encaixe não funcionar, tente reconstruir a imagem usando

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

Resumo

  • O notebook Jupyter é um aplicativo da web onde você pode executar seus códigos Python e R. É fácil compartilhar e entregar informações análise de dados com Jupyter.
  • Para iniciar o jupyter, escreva no terminal: caderno jupyter
  • Você pode salvar seu caderno onde quiser
  • Uma célula contém seu código Python. O kernel lerá o código um por um.
  • Você pode usar o atalho para executar uma célula. Por padrão: Ctrl + Enter