玩轉 Jupyter Notebook （CentOS）

Jupyter Notebook 簡介

Jupyter Notebook 是一個開源的 Web 應用程序，能夠用來建立和共享包含動態代碼、方程式、可視化及解釋性文本的文檔。其應用於包括：數據整理與轉換，數值模擬，統計建模，機器學習等等。更多信息請見官網 。

A. 檢查 Python 環境

1. CentOS 7.2 中默認集成了 Python 2.7，能夠經過下面命令檢查 Python 版本：
   python --version

2. 安裝 pip
   pip 是一個 Python 包管理工具，咱們使用 yum 命令來安裝該工具：
   yum -y install python-pip
   使用下面命令升級 pip 到最新版本：
   pip install --upgrade pip

3. 安裝相關依賴
   安裝 Jupyter 過程當中還須要其餘一些依賴，咱們使用如下命令安裝他們：
   yum -y groupinstall "Development Tools"
yum -y install python-devel

B. 配置虛擬環境

1. 安裝 virtualenv
   咱們將爲 Jupyter 建立一個獨立的虛擬環境，與系統自帶的 Python 隔離開來。爲此，先安裝 virtualenv 庫：
   pip install virtualenv

2. 建立虛擬環境
   建立一個專門的虛擬環境，並直接激活進入該環境：
   virtualenv venv
source venv/bin/activate

3. 使用 pip 安裝 Jupyter
   pip install jupyter

C. 配置 Jupyter Notebook

1. 創建項目目錄
   咱們先爲 Jupyter 相關文件準備一個目錄：
   mkdir /data/jupyter
cd /data/jupyter
   再創建一個目錄做爲 Jupyter 運行的根目錄：
   mkdir /data/jupyter/root

2. 準備密碼密文
   因爲咱們將以須要密碼驗證的模式啓動 Jupyter，因此咱們要預先生成所需的密碼對應的密文。
   2.1. 生成密文
   使用下面的命令，建立一個密文的密碼：
   python -c "import IPython;print IPython.lib.passwd()"
   執行後須要輸入並確認密碼，而後程序會返回一個'sha1:...'的密文，咱們接下來將會用到它。

3. 修改配置
   3.1. 生成配置文件
   咱們使用 --generate-config 來參數生成默認配置文件：
   jupyter notebook --generate-config --allow-root
   生成的配置文件在 /root/.jupyter/ 目錄下，能夠點此編輯配置。
   3.2. 修改配置
   而後在配置文件最下方加入如下配置：
   c.NotebookApp.ip = '*' c.NotebookApp.allow_root = True c.NotebookApp.open_browser = False c.NotebookApp.port = 8888 c.NotebookApp.password = u'剛纔生成的密文(sha:...)' c.ContentsManager.root_dir = '/data/jupyter/root'
   其中：c.NotebookApp.password 請將上一步中密文填入此項，包括 sha: 部分。
   你也能夠直接配置或使用 Nginx 將服務代理到 80 或 443 端口。

D. 啓動 Jupyter Notebook

1. 直接啓動
   使用如下指令啓動 Jupyter Notebook：
   jupyter notebook
   此時，訪問 http:// <您的 cvm ip 地址> :8888 便可進入 Jupyter 首頁。

2. 建立 Notebook
   進入【首頁】首先須要輸入前面步驟中設置的密碼。
   而後點擊右側的【 new 】，選擇 Python2 新建一個 notebook，這時跳轉至編輯界面。
   如今咱們能夠看到 /data/jupyter/root/ 目錄中出現了一個 Untitled.ipynb 文件，這就是咱們剛剛新建的 Notebook 文件。咱們創建的全部 Notebook 都將默認以該類型的文件格式保存。
   後臺運行

3. 直接以 jupyter notebook 命令啓動 Jupyter 的方式在鏈接斷開時將會中斷，因此咱們須要讓 Jupyter 服務在後臺常駐。
   先按下 Ctrl + C 並輸入 y 中止 Jupyter 服務，而後執行如下命令：
   nohup jupyter notebook > /data/jupyter/jupyter.log 2>&1 &
   該命令將使得 Jupyter 在後臺運行，並將日誌寫在 /data/jupyter/jupyter.log 文件中。

4. 準備後續步驟的 Notebook
   爲了後面實驗中實驗室的步驟檢查器可以更好的工做，此時咱們使用如下命令預先建立幾份 ipynb 文件：
   cd /data/jupyter/root
cp Untitled.ipynb first.ipynb
cp Untitled.ipynb matplotlib.ipynb
cp Untitled.ipynb tensorflow.ipynb
rm -f Untitled.ipynb

E. 使用 Jupyter Notebook

1. 打開 first.ipynb 編輯界面
   接下來的步驟中如遇到步驟檢查未經過，請按下 Ctrl + S 保存，等待步驟檢查器確認。
   編輯界面
   • Jupyter Notebook 的編輯界面主要由 工具欄 和 內容編輯區 構成。
   • 下方編輯區，由 Cell 組成。每一個 notebook 由多個 Cell 構成，每一個 Cell 均可以有不一樣的用途。

2. Code Cell
   新建的 notebook 中包含一個代碼 Cell（Code Cell），以[ ]開頭，在該類型的 Cell 中，能夠輸入任意代碼並執行。如輸入：
   1 + 1
   而後按下 Shift + Enter 鍵， Cell 中代碼就會被執行，光標也會移動至下個新 Cell 中。咱們接着輸入：
   print('Hello Jupyter')
   再次按下 Shift + Enter ，能夠看到此次沒有出現 Out[..] 這樣的文字。這是由於咱們只打印出來了某些值，而沒有返回任何的值。
   按下 Ctrl + S 保存，等待步驟檢查器確認。

3. Heading Cell
   新版本中已經沒有獨立的 Heading Cell，如今標題被整合在 Markdown Cell 之中。
   若是咱們想在頂部添加一個的標題。選中第一個 Cell，而後點擊 Insert -> Insert Cell Above。
   你會發現，文檔頂部立刻就出現了一個新的 Cell。點擊在工具欄中 Cell 類型（默認爲 Code），將其變成 Markdown。接着在 Cell 中寫下：
   # My First Notebook
   而後按下 Shift + Enter 鍵，即可以看到生成了一行一級標題。
   與 Markdown 語法相同，使用多個#將改變標題級別。

4. Markdown Cell
   上一步中咱們已經嘗試了使用了 Markdown Cell。在該 Cell 中，除標題外其餘語法一樣支持。好比，咱們在一個新的 Cell 中插入如下文本：
   This is a **table**: | Name | Value | |:----:|:-----:| | A | 1 | | B | 2 | | C | 3 |
   而後按下 Shift + Enter，便可渲染出相應內容。

5. 高級用法 - HTML
   • Markdown Cell 中一樣接受 HTML 代碼。這樣，你就能夠實現更加豐富的樣式及結構、添加圖片等等。
   • 例如，若是想在 notebook 中添加 Jupyter 的 logo，而且添加 2px 的黑色邊框，放置在單元格左側，能夠這樣編寫：
     <img src="http://jupyter.org/assets/nav_logo.svg" style="border: 2px solid black; float:left" />
     而後按下 Shift + Enter，便可渲染出圖片。

6. 高級用法 - LaTex
   Markdown Cell 還支持 LaTex 語法。在 Cell 中插入如下文本：
   $$int_0^{+infty} x^2 dx$$
   一樣按下 Shift + Enter，便可渲染出公式。

7. 導出
   notebook 支持導出導出爲 HTML、Markdown、PDF 等多種格式。
   如點擊 File -> Download as -> HTML(.html)，便可下載到 HTML 版本的 notebook。

8. 導出 PDF
   其中，導出 PDF 須要其餘包的支持，咱們須要使用如下命令安裝這些依賴：
   yum -y install pandoc texlive-*
   • 注：直接導出 PDF 時 Jupyter 可能會忽略一些 Cell，建議先導出爲 HTML，而後使用瀏覽器將其轉爲 PDF。

F. 集成 Matplotlib（可選）

Matplotlib 是 Python 中最經常使用的可視化工具之一，能夠很是方便地建立許多類型的 2D 圖表和基本的 3D 圖表。

1. 安裝 Matplotlib
   咱們使用 pip 來安裝 Matplotlib：
   pip install matplotlib
2. 測試 Matplotlib
   咱們使用另外一個 notebook （matplotlib.ipynb）來測試 Matplotlib。
   點擊這裏打開 matplotlib.ipynb 編輯界面。
   • 魔法命令
     在第一個 Cell 中，咱們插入並執行：
     %matplotlib inline
     這是指定 matplotlib 圖表的顯示方式的魔法命令。inline 表示將圖表嵌入到 notebook 中。

G. 測試

關於 Matplotlib 的使用請移步其官網。
在接下來 Cell 中，咱們插入幾個官方示例測試：

1. plot_bmh：
   示例代碼：/plot_bmh.py

   from numpy.random import beta
   import matplotlib.pyplot as plt
   plt.style.use('bmh')
   
   def plot_beta_hist(ax, a, b):
       ax.hist(beta(a, b, size=10000), histtype="stepfilled",
               bins=25, alpha=0.8, normed=True)
   
   fig, ax = plt.subplots()
   plot_beta_hist(ax, 10, 10)
   plot_beta_hist(ax, 4, 12)
   plot_beta_hist(ax, 50, 12)
   plot_beta_hist(ax, 6, 55)
   ax.set_title("'bmh' style sheet")
   
   plt.show()

   按 Shift + Enter 執行 Cell，便可看到繪製出的圖像。

2. whats_new_99_mplot3d：
   示例代碼：/whats_new_99_mplot3d.py

   import random
   
   import numpy as np
   import matplotlib.pyplot as plt
   from matplotlib import cm
   from mpl_toolkits.mplot3d import Axes3D
   
   X = np.arange(-5, 5, 0.25)
   Y = np.arange(-5, 5, 0.25)
   X, Y = np.meshgrid(X, Y)
   R = np.sqrt(X**2 + Y**2)
   Z = np.sin(R)
   
   fig = plt.figure()
   ax = Axes3D(fig)
   ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.viridis)
   
   plt.show()

   一樣執行 Cell，便可看到繪製出的圖像。

3. 動手試試：最後，咱們來嘗試繪製一個二次函數圖像，你能夠自行實現，也能夠參考下面代碼：
   示例代碼：/my.py

   import matplotlib.pyplot as plt
   import numpy as np
   
   x = np.arange(-10, 11)
   y = x**2
   
   plt.plot(x, y)
   plt.show()

H. 搭配 TensorFlow（可選）

TensorFlow™ 是一個採用數據流圖，用於數值計算的開源軟件庫。它靈活的架構讓你能夠在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。
TensorFlow 最初由 Google 大腦小組的研究員和工程師們開發出來，用於機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可普遍用於其餘計算領域。

1. 安裝 TensorFlow
   咱們使用 pip 安裝相關依賴及 Tensorflow
   pip install protobuf
pip install tensorflow

2. 測試 TensorFlow（關於 TensorFlow 的使用請移步其TensorFlow官網，這裏只是測試其在 Jupiter 中是否可用）
   • 打開 tensorflow.ipynb 編輯界面。
     在 Cell 中加入如下代碼（整理自官網 MNIST 教程）：
   • 示例代碼：/tensorflow.py

   from tensorflow.examples.tutorials.mnist import input_data
   import tensorflow as tf
   
   # The MNIST Data
   mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
   
   # Regression
   x = tf.placeholder(tf.float32, [None, 784])
   W = tf.Variable(tf.zeros([784, 10]))
   b = tf.Variable(tf.zeros([10]))
   y = tf.nn.softmax(tf.matmul(x, W) + b)
   
   # Training
   y_ = tf.placeholder(tf.float32, [None, 10])
   cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
   train_step = tf.train.GradientDescentOptimizer(0.05).minimize(cross_entropy)
   
   sess = tf.InteractiveSession()
   
   tf.global_variables_initializer().run()
   
   for _ in range(1000):
       batch_xs, batch_ys = mnist.train.next_batch(100)
       sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
   
   # Evaluating
   correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
   accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
   
   print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

   按下 Shift + Enter，學習過程結束後能夠看到輸出了準確率（92% 左右）。

恭喜！您已經成功搭建起了一個雲端的 Jupyter Notebook 環境。你能夠選擇保留已經運行的服務，繼續進行 Jupyter Notebook 的使用。