Jupyter Notebook

Oversigt over Jupyter Notebook-skabelonen

Når den er implementeret, kører Jupyter Notebook som en systemtjeneste under en ikke-root bruger. trooperaiServicen er altid tilgængelig efter en genstart og kræver ingen manuel reaktivering. Du kan begynde at arbejde med det samme via browsergrænsefladen.

Nøglefunktioner

• Forudinstalleret Python-miljø med virtualenv
• Integreret GPU-understøttelse med valgfri CUDA/cuDNN installation
• Persistent arbejdsmappe placeret på /home/trooperai
• Servicedbaseret lancering: Jupyter kører som en systemtjeneste og starter automatisk
• Token- eller tokenfri adgang forenklet sikkerhed
• Nem filupload into your GPU Server Blib
• SSH Terminal i din webbrowser med flere samtidige sessioner

Adgang til Jupyter Notebook

Efter implementeringen tildeler din GPU Server Blib automatisk en ledig offentlig port. For at få adgang til Jupyter Notebook skal du åbne din browser og navigere til:

http://your-hostname.trooper.ai:assigned-port

Du finder det tildelte portnummer ved siden af skabelonen i dine serverdetaljer på james.trooper.ai Se her:

Efter at have klikket på porten åbnes et nyt browser vindue, der viser fil listen i hjemme- eller arbejdsmappen:

Hvis token-godkendelse er aktiveret, vil grænsefladen anmode om en token ved første adgang. Ellers vil notebooken være tilgængelig direkte. Som regel bliver denne token automatisk tilføjet til URL'en, så du ikke behøver at bekymre dig om godkendelse. Du kan ændre eller nulstille token i Template Configuration.

Jupyter åbner følgende mappe som sit roddirektorium:

/home/trooperai

Du kan ændre dette i Skabelonkonfigurationen, se her:

Vi anbefaler brugerens hjemmemappe (standard) eller /workspace.

Du kan også aktivere automatisk udførelse af onstart.sh i din arbejdsmappe ved opstart af serveren for at starte din app.

GPU Verification and CUDA Support

Skabelonen inkluderer en notebook med navnet gpu_check.ipynb for at verificere GPU-tilgængelighed og TensorFlow-opsætning. Det installerer også alle nødvendige værktøjer til CUDA-brug i Python.

Eksempel på indhold af gpu_check.ipynb:

!nvidia-smi
!pip install tensorflow[and-cuda]

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true'

import tensorflow as tf
print("TF Version:", tf.__version__)
print("GPU-Cards:", tf.config.list_physical_devices('GPU'))

Du kan udvide dette til at bruge andre frameworks som PyTorch eller JAX.

Terminal i Browser

Du kan nemt tilslutte en terminalsession i Jupyter Notebook, som er vedvarende indtil genstart! Hvor fantastisk er det? Selv hvis du lukker browseren, kører det stadig i den terminal, uanset hvad du ønsker. Meget nyttigt. Gå til FIL > NY Terminal som her:

Du vil se et terminalvindue med en interaktiv shell som dette:

Vi bruger dette ofte til hurtigt at kontrollere noget på GPU-serveren.

Disse terminalsessioner fortsætter med at køre, selvom du lukker din browser – du behøver ikke værktøjer som nohub for at holde processer kørende. Derudover gemmes al output, hvilket gør prototyping lettere uden at miste værdifuld information.

Anbefalede anvendelsesområder

• Dataudforskning og visualisering
• Prototyping af dyb læring og maskinlæring
• GPU-drevne træningsworkflows
• Undervisning og workshops
• Upload og download filer til GPU-serveren

Import og installationshjælp

Hvis du har brug for at installere yderligere biblioteker i din Jupyter Notebook, skal du blot !pip install kommando som denne:

Dette vil altid kontrollere, om alt er installeret, og installere det, hvis ikke.

Vigtigt: Sørg altid for at installere Tensorflow med CUDA som følger: !pip install tensorflow[and-cuda]Ellers vil det ikke fungere med GPU'en.

Fik jeg advarsler?

Der er altid nogle advarsler farvet rødt i Jupyter Notebook. Disse er for det meste ikke et problem. Se her:

You should look into it and check if a warning is about GPU usage and verify it is not reducing performance. You can also turn off warnings, but this is depended to the library and sometime difficult. We recommend just to stick with them.

Systemdetaljer

Standardkonfiguration

• Jupyter Notebook-interface på en automatisk tildelt port
• Python virtuelt miljø i ~/jupyter-notebook/venv
• Arbejdsmappe katalog: /home/trooperai
• Starter automatisk efter genstart

Valgfrit GPU-stack

Hvis din instans har CUDA installeret, vil Jupyter automatisk registrere GPU-understøttelse. CUDA 12.8 og cuDNN 9.8 er tilgængelige med TensorFlow-kompatibilitet.

Q&A

❓ Hvordan kan jeg installere både PyTorch og TensorFlow med GPU-understøttelse ved hjælp af pip?

✅ Svar:

Du bør installere TensorFlow og PyTorch separat for at undgå CUDA-afhængighedskonflikter. Her er den anbefalede metode ved hjælp af pip:

# Install TensorFlow with GPU support
!pip install tensorflow[and-cuda]

# Then install PyTorch with CUDA 11.8 (example)
!pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

Do ikke kombiner begge i en enkelt pip-kommando som denne:

# ❌ Not recommended — may cause conflicts!
!pip install torch tensorflow[and-cuda]

Installer dem i stedet særskilti den korrekte rækkefølge.

Efter installationen skal du teste GPU-tilgængeligheden i din notebook:

import torch, tensorflow as tf

print("Torch CUDA:", torch.cuda.is_available())
print("TF GPUs:", tf.config.list_physical_devices('GPU'))

❓ Hvordan installerer jeg pakker via pip via terminal for at kunne bruge det i Jupyter Notebook?

✅ Svar:

Din Jupyter Notebook er blevet konfigureret med et dedikeret Python virtuelt miljø! Så skal du køre pip fra det miljø i terminalen. For eksempel:

/home/trooperai/jupyter-notebook/venv/bin/pip install tensorflow[and-cuda]

For at aktivere miljøet og installere interaktivt:

source /home/trooperai/jupyter-notebook/venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

Efter installationen skal du genstarte din notebook-kerne for at gøre de nye pakker tilgængelige.

Support

For installationssupport, token-gendannelse eller fejlfinding af arbejdsområdet, kontakt:

• E-mail: support@trooper.ai
• WhatsApp: +49 6126 9289991