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Jupyter或Jupyer (GPU)，均支持Jupyter Notebook和JupyterLab。
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 Toolkit或NVIDIA 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。