深度学习 AMI
开发人员指南
AWS 服务或AWS文档中描述的功能,可能因地区/位置而异。请点击 Amazon AWS 入门,可查看中国地区的具体差异

运行 Jupyter 笔记本电脑教程

每个深度学习项目的源代码都附带了教程和示例,大多数情况下,它们可以在任何 DLAMI 上运行。如果您选择了 采用 Conda 的 Deep Learning AMI,那么您将获得一些已经建立并准备好尝试的精选教程的额外好处。

要运行安装在 DLAMI 上的 Jupyter 笔记本电脑教程,您需要 设置 Jupyter Notebook 服务器

Jupyter 服务器运行后,您可以通过 Web 浏览器运行这些教程。如果您正在运行 采用 Conda 的 Deep Learning AMI 或者如果您已经建立了 Python 环境,则可以从 Jupyter 笔记本电脑界面切换 Python 内核。在尝试运行特定于框架的教程之前,请选择合适的内核。为 采用 Conda 的 Deep Learning AMI 用户提供了更多这方面的示例。

请在您的实例上运行以下内容,以快速回顾一下如何启动 Jupyter 和连接。

$ source activate python3 $ jupyter notebook

然后在您的 macOS 或 Linux 客户端上本地运行以下内容。对于 Windows,请参阅 设置 PuTTY 上的详细说明。

$ ssh -i ~/mykeypair.pem -L 8157:127.0.0.1:8888 ubuntu@ec2-###-##-##-###.compute-1.amazonaws.com

如果您想尝试其他教程,只需将它们下载到这个文件夹,并从 Jupyter 运行它们。

注意

许多教程需要一些额外 Python 模块,它们在您的 DLAMI 上可能尚未设置。如果您收到类似 "xyz module not found" 的错误,请登录到 DLAMI,激活环境 (如上所述),然后安装必要的模块。

提示

深度学习教程和示例通常依赖于一个或多个 GPU。如果您的实例类型没有 GPU,您可能需要更改一些示例代码才能使其运行。

导航已安装的教程

一旦您登录到 Jupyter 服务器且可以看到教程目录,则您将看到按每个框架名称排列的教程文件夹。如果您没有看到列出的框架,则表明您当前 DLAMI 上的教程不适用于该框架。单击框架名称以查看列出的教程,然后单击教程,将其启动。

在 采用 Conda 的 Deep Learning AMI 上第一次运行笔记本电脑时,它会想知道您想使用哪个环境。它会提示您从列表中进行选择。每个环境都根据以下模式命名:

Environment (conda_framework_python-version)

例如,您可能会看到 Environment (conda_mxnet_p36),这意味着该环境具有 MXNet 和 Python 3。您也可能会看到 Environment (conda_mxnet_p27),这意味着该环境具有 MXNet 和 Python 2。

提示

如果您想知道哪个版本的 CUDA 处于活动状态,一种查看方法是在首次登录到 DLAMI 时在 MOTD 中查看。

通过 Jupyter 切换环境

如果您决定尝试一个不同框架的教程,一定要验证当前正在运行的内核。此信息可以在 Jupyter 界面的右上方看到,就在注销按钮的下方。您可以在任何打开的笔记本电脑上更改内核,方法是依次单击 KernelChange Kernel 菜单项,然后单击正运行的笔记本电脑适合的环境。

此时您需要重新运行任何单元,因为内核中的更改将会擦除之前运行的任何内容的状态。

提示

在框架之间进行切换可能很有趣而且很有教育意义,但是可能导致耗尽内存。如果您开始遇到错误,请查看运行 Jupyter 服务器的终端窗口。这里包含有用的消息和错误记录,您可能会看到内存不足的错误。要解决这一问题,您可以转到 Jupyter 服务器的主页中,单击 Running 选项卡,然后为每个教程单击 Shutdown,因为这些教程可能仍然在后台运行,导致耗尽了所有内存。

后续步骤

有关每个框架的更多示例和示例代码,请单击 Next 或继续 Apache MXNet