我是靠谱客的博主 细心爆米花,最近开发中收集的这篇文章主要介绍本地使用服务器中的Jupyter使用服务器中的Jupyter,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

使用服务器中的Jupyter


服务器端 jupyter设置


1. 安装jupyter

pip install jupyter

2. 生成配置文件


jupyter notebook --generate-config

3. 修改配置文件

3.1 打开配置文件
vim ~/.jupyter/jupyter_notebook_config.py
  • 文件内容大致如下:
    在这里插入图片描述
3.2 修改配置文件的内容
  • linux中可使用 :$ 进行索引定位到文件底部
  • 添加以下格式的内容
c.NotebookApp.ip = '*'
c.NotebookApp.open_browser = False
c.NotebookApp.port = 8888
c.NotebookApp.allow_remote_access = True
  • #允许所有IP都可访问
    c.NotebookApp.ip = ‘*’
  • #将开启jupyter后在服务器上打开浏览器的选项设置为False
    c.NotebookApp.open_browser = False
  • #指定访问端口
    c.NotebookApp.port = 8888
  • #允许远程访问
    c.NotebookApp.allow_remote_access = True
3.3 设置密码
jupyter notebook password
  • 输出如下:
    在这里插入图片描述

4. 启动jupyter服务

  • 终端输入命令启动服务
jupyter notebook
  • 如下
    在这里插入图片描述

5. 本地浏览器访问

  • 在浏览器中输入上图ip地址
  • 出现:
    在这里插入图片描述
  • 输入配置时输入的密码
  • 登录

6. Jupyter NoteBook 更改Kernel

jupyter notebook访问的时候

  • 默认使用了anaconda的base环境
  • 需要更换环境

终端中输入如下命令

python -m ipykernel install --user --name 要添加的环境 --display-name "jupyter中显示的kernel名字"

例如

python -m ipykernel install --user --name Pytorch --display-name "Pytorch"
  • 查看kernel
    通过命令jupyter kernelspec list 查看kernel
    在这里插入图片描述
  • 通过命令jupyter kernelspec remove 要删除的kernel删除指定Kernel

7. 其他

  • 配置文件的内容
  1. 设置默认工作目录
 c.NotebookApp.notebook_dir = '/home/deepblue/xyf_work/'
  1. 启用 MathJax
c.NotebookApp.enable_mathjax = True
  1. 将密钥写进password中
c.NotebookApp.password = '........'
  • 密钥生成方法
    • 进入python环境
# 键入ipython
>>> python
>>> from notebook.auth import passwd
>>> passwd()
# 输入2次密码后,复制输出的那一串字符串===》密钥
>>>exit()

在这里插入图片描述


Pycharm使用服务器中的Jupyter

  • pycharm professional版本
  • 服务器: 安装jupyter notebook(conda命令,pip命令)
  • pycharm 已经远程连接服务器
  1. 进入设置
    在这里插入图片描述
    在这里插入图片描述
  2. 将浏览器 URL 链接复制到输入框
  • 输入服务器ip地址(别忘记加上端口号)
  • 按下图配置,方框里填的是jupyter notebook的IP地址
  • 用户名换成服务器的IP地址
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述

  1. 弹出密码进行输入
  • 回到打开的jupyter中,等待弹出密码进行输入
  • 运行时会让你再次输入密码
  • sift+enter 弹出对话框中输入密码,完成设置
    在这里插入图片描述
    在这里插入图片描述

 
 

附录

  • 查看CUDA是否可用 torch.cuda.is_available()
>>> import torch
>>> torch.cuda.is_available()
True
  • 查看GPU数量
 torch.cuda.device_count()
>>> torch.cuda.device_count()
3
  • 查看gpu的内存使用情况:
nvidia-smi

在这里插入图片描述

最后

以上就是细心爆米花为你收集整理的本地使用服务器中的Jupyter使用服务器中的Jupyter的全部内容,希望文章能够帮你解决本地使用服务器中的Jupyter使用服务器中的Jupyter所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(49)

评论列表共有 0 条评论

立即
投稿
返回
顶部