python制作whl安装包,python官网安装步骤
为什么要把jupyterhub jupyter笔记本作为一个非常有用的工具?我们可以在浏览器中任意编辑调试我们的python代码,支持markdown语法,可以说是一个科研工具。但是这种情况适合个人使用,就是jupyter笔记本用我们自己的主机作为服务器,然后我们用自己的浏览器编辑自己的原生python代码。最近实验室里架设了一台深度学习服务器。每个人都有一个可以使用GPU资源的用户,但是每次写代码都要在本地调试然后ssh提交到服务器运行。如果有问题的话,在本地改一下再重新提交就很麻烦了。为了解决这个问题,我们在GPU服务器上搭建了jupyterhub,和笔记本的区别在于它是一个hub,哈哈,就是笔记本的服务器。安装在服务器上,然后就可以通过局域网在浏览器上编辑调试python代码了。
什么是jupyterhub jupyterhub?和jupyter notebook一样,JupyterHub是python的一个包,可以通过pip或者conda安装。安装在服务器端,所有人都可以使用。jupyterhub的教程请看:官方教程。既然有了官方教程,我为什么要写这篇文章?原因如下:1。安装过程中,有些问题是教程解决不了的;2.为了少走弯路。
安装jupyterhub本教程在使用jupyterhub时安装在anaconda的虚拟环境中。如果你的是原生python环境,不用担心,它的原理是一样的。
依赖:nodejs这里是第一个坑。在官方教程中,它告诉我们需要预先安装依赖节点,
Sudapt-get安装NPM nodejs-Legacy但是当我用这种方法安装NPM nodejs-Legacy时,在安装jupyterhub之后出现了一个错误。找了半天也找不到原因。看了错误提示,我猜测可能是Nodejs的版本问题。也就是说,我们通过apt-get安装的Nodejs版本并没有满足我们的需求。我们的系统是ubuntu 16.04,使用的apt源码是阿里云的源码。可能其他源码或者ubuntu18.04不会有这种问题。如果它在安装jupyterhub时提示你nodejs错误,可能是版本问题。
解决方法:去官网下载相应版本。
也应该可以下载最新版本。下载的是压缩包。例如,我们会将其解压缩并放在一个固定的文件夹中
/usr/local/nodejs接下来,将nodejs的bin目录放在path path中,这样当你在命令行中键入node时,会有提示信息,表示nodejs安装成功。有很多关于路径配置的教程。我把path path的配置放在/etc/bash.bashrc里,你也可以放在~/.bashrc里,环境变量的问题这里就不详细讨论了。nodejs安装成功后,我们就可以开始安装jupyterhub了。
根据安装的官方教程,有两种安装方式:
安装pip python 3-m pip Install jupyterhubnpm Install-g configurable-http-Proxy python 3-m pip Install Notebook #如果在本地运行笔记本服务器则需要conda Install conda Install-c conda-forge JupyterHub # Install s JupyterHub和Proxy conda Install Notebook #如果在本地运行笔记本服务器则需要。我们使用第一个pip安装,因为Conda安装总是有连接超时的问题。
配置jupyterhub。如果以上过程没有问题,我们可以在命令行输入jupyterhub -h,看看有没有帮助提示。帮助提示表明安装成功。如果需要安装在虚拟环境中,应该先进入虚拟环境源激活**。
接下来,我们需要配置jupyterhub。这个配置过程相对简单。按照步骤来。
生成配置文件jupyterhub - generate-config该命令将在当前目录下生成一个jupyterhub_config.py文件。接下来,我们需要在这个文件中配置我们的网络和用户管理。
启动jupyterhub jupyterhub-f/path/to/jupyterhub _ config . py上面的命令可以根据你的配置文件启动jupyterhub。
如何配置/upyterhub_config.py
下面是我们的参考配置:c.jupyterhub.ip= 192.168.24。* * * c.JupyterHub.port=445c。pamuthenticator . encoding= utf-8 c . local authenticator . create _ system _ users=false c。Authenticator.whitelist={dada ,Haha , name } c . authenticator . admin _ users={ famu } c . spender . env _ keep . append( LD _ library _ path )c . jupyterhub . statsd _ prefix= jupyterhub jupyterhub . IP是
JupyterHub.port是我们指定的端口,指定一个不与其他服务冲突的端口即可。
Authenticator.whitelist比较重要,其中需要添加linux的用户名,这样用户就可以通过浏览器使用linux的用户名和密码登录自己的账户。jupyterhub采用了和linux系统一样的认证方式,所以我们不需要建立另一个用户,只需要登录linux的用户和密码。
c . spawner . env _ keep . append( LD _ LIBRARY _ PATH )这一行是我们踩的坑,因为我们用的是tensorflow的GPU版本。这样做的目的是把LD _ library _ path的路径放到jupyterhub中,这样我们就可以正确使用tensorflow的GPU版本了。
最后登录同一局域网的电脑,打开浏览器,输入刚刚配置的ip和端口,然后输入用户名和密码登录linux。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。