在Linux服务器上运行Jupyter notebook server教程 很多deep learning教程都推荐在jupyter notebook运行python代码,方便及时交互.但只在本地运行没有GPU环境,虽然google colab是个好办法,但发现保存模型后在云端找不到模型文件,且需要合理上网才能访问.于是想给实验室的服务器配置jupyter notebook,供本机远程访问.踩了不少坑,码一下教程以供参考. 服务器环境是Ubuntu 16.04.5 LTS .本机windows1

安装annaconda 与jupyter notebook annaconda在已经自带了jupyter notebook.jupyter lab.ipython 等一系列工具,不需要再单独安装这些工具,方便快捷. 下载安装脚本 wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh 运行安装向导 这一步一直点yes 和下一步即可,到最后询问你是否安装vscode ,服务

1,机器情况:服务器 centos python环境已经配置好了,在虚拟环境下安装了anaconda 并且在里面安装了jupyter notebook 2,主机是 windows     ipython notebook是一个基于浏览器的python数据分析工具,使用起来非常方便,具有极强的交互方式和富文本的展示效果.jupyter是它的升级版,它的安装也非常方便,一般Anaconda安装包中会自带.安装好以后直接输入jupyter notebook便可以在浏览器中使用.但是它默认只能在本地访问

windows中访问远程服务器的方式有很多种:使用windows系统自带的网络功能,直接输入服务器地址访问:使用putty软件远程访问:使用xftp软件登陆:还可以使用x2go客户端图形界面远程访问.... 下面要说的是,使用python中的jupyter notebook来远程访问.具体配置过程如下; 在服务器中: 1.安装python sudo apt-get install python 2.安装anaconda(登陆服务的conda环境中才需要,如果服务器不需要用到anaconda可忽略

通过内网穿透之后,一般而言,我们访问内网中的机器在ubuntu下一句命令: ssh name@阿里云 -p 6000即可进行访问,其中-p是表示端口号:同样的通过windows下的putty也可修改对应的端口号来访问内网,如下图所示 port要写阿里云中转服务器对应的端口号:然而,如果在服务器端启动jupyter notebook,jupyter会分配一个端口来给你,因为是在远程调用,所以如果是在本地进行编辑jupyter notebook的话,需要进行端口映射,意思就是服务器端分配给jupyt

远程访问Jupyter Notebook 相关配置:Ubuntu 16.04服务器,本地Win10,使用了Xshell,Xftp工具. 相关配置主要分为三步: 服务器上的Jupyter配置 本地Xshell的配置 使用Jupyter Notebook 其中服务上的配置方法有两种: 使用命令行,操作简单,登录稍繁 使用配置文件,操作略繁,登陆简单 本文是命令行的方法,使用配置文件的方法看这里 命令行配置服务器 首先要确保服务器上安装了Jupyter,如果未安装,安装命令如下: pip instal

远程访问Jupyter Notebook的两种方式:命令行和配置文件 相关配置:Ubuntu 16.04服务器,本地Win10,使用了Xshell,Xftp工具. 相关配置主要分为三步: 服务器上的Jupyter配置 本地Xshell的配置 使用Jupyter Notebook 其中服务上的配置方法有两种: 使用命令行,操作简单,登录稍繁 使用配置文件,操作略繁,登陆简单 命令行配置服务器 首先要确保服务器上安装了Jupyter,如果未安装,安装命令如下: pip install jupyter

首先要生成密码,打开python终端. In [1]: from IPython.lib import passwd In [2]: passwd() Enter password: Verify password: Out[2]: 'sha1:0e422dfccef2:84cfbcb b3ef95872fb8e23be3999c123f862d856' 接下来生成秘钥: openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout my

今天我尝试用vps搭建在线jupyter notebook网站时遇到了这样一个问题: [W 21:48:07.243 NotebookApp] SSL Error on 9 ('171.115.101.73', 49731): [SSL: HTTP_REQUEST] http request (_ssl.c:1129) 访问域名时无法打开页面,经过debug之后发现是在修改jupyter_notebook_config.py这个配置文件时出现的问题,原因在于我添加了ssl证书,希望它能够支持ht

需求: 之前在服务器上只能运行完整的python文件,而不能实现jupyter notebook的交互模式,通过在本地浏览器上远程访问服务器上的jupyter notebook,这样不就能有一个很棒的交互环境了吗. 实现 1.首先需要在服务器上安装jupyter notebook pip install jupyter notebook 2.在服务器上 jupyter notebook --no-browser --port=1111 端口号选择1024-49151中任一,避免与其他服务端口冲突

1.jupyter notebook --generate-config #产生配置文件 2.from notebook.auth import passwd #进入python环境,生成密码密文.第三步有用 passwd() 3.vim ~/.jupyter/jupyter_notebook_config.py #编辑配置文件 c.NotebookApp.ip='*' # 就是设置所有ip皆可访问 c.NotebookApp.password = u'sha:ce...刚才复制的那个密文' c

本地ssh到云端: ssh username@xxx.xxx.xxx.xxx -L127.0.0.1:7777:127.0.0.1:8888 把云端的8888端口映射到本地的7777端口 云端运行指令: jupyter notebook --ip=127.0.0.1 --allow-root 得到notebook地址之后,本地将端口号从8888更换为7777,即可访问. 作者:an0nym0us链接:https://www.jianshu.com/p/7e99ddf63b72

h1 { counter-reset: h2counter; } h2 { counter-reset: h3counter; } h3 { counter-reset: h4counter; } h4 { counter-reset: h5counter; } h5 { counter-reset: h6counter; } h6 { } h2:before { counter-increment: h2counter; content: counter(h2counter) ".\0000a

1. jupyter notebook 安装 创建 jupyter 目录 mkdir jupyter cd jupyter/ 创建独立的 Python3 运行环境,并激活进入该环境 virtualenv --python=python3 --no-site-packages venv source venv/bin/activate 安装 jupyter pip install jupyter 2. jupyter notebook 配置 创建 notebooks 目录 mkdir notebo

昨天发了Jupyter的使用,补一篇Jupyter服务器的搭建~ 一.搭建Jupyter 1.安装 使用virtualenv建虚拟环境.在虚拟环境中安装jupyter.matplotlib等等需要的库.这里不赘述了. 2.配置 为Jupyter 相关文件准备一个目录 mkdir /data/jupyter cd /data/jupyter 建立一个目录作为 Jupyter 运行的根目录 mkdir /data/jupyter/root 我们以需要密码验证的模式启动 Jupyter,所以要预先生成

最近做Machine Learning作业,要在Jupyter Notebook上用Keras搭建Neural Network.结果连最简单的一层神经网络都运行不了,更奇怪的是我先用iris数据集跑了一遍并没有任何问题,但是用老师给的fashion mnist一运行服务器就提示挂掉重启.更更奇怪的是同样的code在同学的电脑上跑也是一点问题都没有,让我一度以为是我的macbook年代久远配置太低什么的,差点要买新电脑了>_< 今天上课经ML老师几番调试,竟然完美解决了,不愧是CMU大神!(这里

环境情况 远程服务器上配置了anaconda 本地主机没有安装anaconda(其实安不安装都无所谓,有浏览器就行) 配置步骤如下 登录远程服务器 生成配置文件 jupyter notebook --generate-config 生成密码 输入ipython打开ipython生成密钥: In [1]: from notebook.auth import passwd In [2]: passwd() Enter password: Verify password: Out[2]: 'sha1:

记录一下学习深度学习的小事情: 1.tensorflow 现在只支持windows 64位系统: 2.因为实验室的电脑比较老旧,Gpu配置低,所以选择安装的是tensorflow Cpu版本,对于学习来说是完全够用了,等进阶之后再砸钱买个好的显卡. 3.因为需要完成吴恩达深度学习视频的作业(网上下载的作业版本),需要使用jupyter打开,所以得使jupyter能import tensorflow. 4.因为使用anaconda方式进行安装,所以不支持python3.6版本.(官网解释如图) 现

naconda修改国内镜像源 国外网络有时太慢,可以通过配置把下载源改为国内的通过 conda config 命令生成配置文件,这里使用清华的镜像: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 首先,打开Anaconda Prompt窗口,执行命令:conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/然后,执行命

开始直接在 CDH Pyspark 的环境里面运行 Ipython . spark = SparkSession \ .builder \ .master('yarn') \ .appName('md_day_dump_users') \ .enableHiveSupport() \ .getOrCreate() In [3]: spark.sql('show databases').show()+------------+|databaseName|+------------+| defaul