Notebook开发环境

启动环境

如需启动一个Jupyter Server开发环境，登录ConvectHub然后点击"Start server"。如果已经有一个开发服务器被启动了，则直接点击"My server"就可访问该服务器。

点击创建后，按照提示选择服务器资源规格。

Select server spec

等待开发环境完成初始化后，会自动跳转到服务器。

Server starting

进入环境后，使用方法同正常的JupyterLab。

Main environment

GPU实例

如需选择带有GPU的Jupyter Server开发环境，在服务器资源规格选择页面，选择带有GPU的规格。

GPU spec

进入Jupyuter Server之后，在终端中运行nvidia-smi可以验证被分配到的GPU状态。

nvidia-smi

可以使用conda来安装cudatoolkit，配合支持GPU的计算框架，就可以使用GPU来做深度学习任务了。

管理python依赖和环境

默认的python开发环境已经包含了一些最常见的数据科学包，例如pandas，scikit-learn等。在启动一个notebook的时候，可以在启动器里面选择相应的环境作为运行该notebook的kernel。

在编辑的过程中，通过点击右上角的kernel指示器，也可以动态的切换运行的kernel。

Select kernel

如需要额外的第三方包，可以直接通过conda来安装使用。从启动器里进入terminal app，然后运行

conda activate default
conda install pytorch torchvision torchaudio cpuonly -c pytorch

也可以从新创建一个新的conda环境

conda create -n my-conda-env python==3.9
conda activate my-conda-env
# install more packages
conda install scikit-learn

新创建的环境在启动器中会自动被作为kernel选项侦测到。如需了解如何使用conda管理python运行环境，可以参考conda’s doc。

访问远程数据

如需从开发服务器中访问远程数据，方法和从您本地的电脑一样。例如，如需访问一个远程的S3文件，可以在notebook里运行如下代码

import os
os.environ["AWS_ACCESS_KEY_ID"] = "YOUR-AWS-KEY-ID"
os.environ["AWS_SECRET_ACCESS_KEY"] = "YOUR-AWS-SECRET-ACCESS-KEY"

data_path = "s3://PATH/TO/YOUR/REMOTE/FILE/data.csv"
df = pd.read_csv(data_path)

SSH和SFTP访问

ConvectHub允许直接从本地使用SSH或者SFTP访问开发服务器。

首先进入首页的Token页面，创建一个新的token。这个token会作为连接服务器的密码，请妥善保管。

Generate a new token

然后，使用你的ssh客户端，用如下的设置来连接远端服务器

User=<The user displayed on the right upper corner>
Host=jhub.convect.ai
Port=8022
Password=<The token you generated from the last step>

例如,

$ ssh -o User=yuhui@convect.ai jhub.convect.ai  -p 8022
Warning: Permanently added the RSA host key for IP address '[54.188.2.122]:8022' to the list of known hosts.
Password:
/opt/conda/condabin/conda
/opt/conda/condabin/conda
convect-user@jupyter-yuhui-40convect-2eai:~$ echo 'I am on the remote server'

SFTP的连接方法类似，只需要将端口号改为8023.

其他开发环境

除开使用JupyterLab作为开发环境，我们也支持其他的开发环境。例如，你可以使用VSCode来开发你的代码。

VSCode support

只需从启动器里面选择相应的环境，就会自动跳转到开发界面。

VSCode env

我们也支持使用Rstudio来开发R语言的代码。

启动的方法和VScode相同，在启动器选择Rstudio选项，随后程序会自动跳转。

RStudio support RStudio env

我们暂时不支持利用做远端开发的IDE例如PyCharm，VSCode直接连接服务器进行开发。

使用tensorboard

如需使用tensorboard，直接在JupyterLab环境中运行

%load_ext tensorboard

%tensorboard --logdir <YOUR_LOG_DIR>

Tensorboard