Jupyter

Jupyter是一个非营利组织,旨在“为数十种编程语言的交互式计算开发开源软件,开放标准和服务”。2014年由Fernando Pérez从IPython中衍生出来,Jupyter支持几十种语言的执行环境。

Jupyter Project的名称是对Jupyter支持的三种核心编程语言的引用,这三种语言是Julia、Python和R,也是对伽利略记录发现木星的卫星的笔记本的致敬。Jupyter项目开发并支持交互式计算产品Jupyter Notebook、JupyterHub和JupyterLab,这是Jupyter Notebook的下一代版本。

登录HPC Studio平台后,可以在内置应用中选择JupyterJupyer (GPU),均支持Jupyter NotebookJupyterLab

在 Jupyter 中使用预置环境

已有三个预置环境,可供用户使用:

预置 PyTorch 环境

环境

版本

python

3.8.3

cudatoolkit

10.1.243

pytorch

1.5.0

torchvision

0.6.0

numpy

1.18.1

pandas

1.0.4

pillow

7.1.2

scipy

1.4.1

matplotlib

3.2.1

seaborn

0.10.1

预置 TensorFlow 环境

环境

版本

python

3.8.3

cudatoolkit

10.1.243

cudnn

7.6.5

tensorflow

2.2.0

tensorboard

2.2.2

numpy

1.18.5

pandas

1.0.4

pillow

7.1.2

scipy

1.4.1

matplotlib

3.2.1

seaborn

0.10.1

预置 R 环境

环境

版本

R

3.6.1

在 Jupyter 中使用自定义的环境

新建环境(或使用已有环境):

$ module load miniconda3
$ conda create -n test-env
$ source activate test-env

安装并注册为jupter kernel

(test-env) $ conda install ipykernel
(test-env) $ python -m ipykernel install --user --name test-env --display-name "Test Environment"

然后可以在Jupyter中选择名为Test Environment的Kernel进行计算。

如果环境需要依赖NVIDIA CUDA ToolkitNVIDIA cuDNN,可以使用conda进行安装:

(test-env) $ conda install cudatoolkit=10.1 cudnn

在 Jupyter 中使用自定义 R 环境

新建环境(或使用已有环境):

$ module load miniconda3
$ conda create -n r-test-env
$ source activate r-test-env
$ (r-test-env) $ conda install -c r r-essentials

安装并注册为jupter kernel

(test-env) $ R
> install.packages('IRkernel')
> IRkernel::installspec(name = 'r-test-env', displayname = 'R 3.6.1')

然后可以在Jupyter中选择名为R 3.6.1的Kernel进行计算。

参考资料


最后更新: 2024 年 11 月 19 日