Python-Entwicklung unter Ubuntu unter AWS EC2 (mit Jupyter Lab)

Überblick

Ich hatte die Gelegenheit, EC2 für meine Forschung zu verwenden, also werde ich aufschreiben, was ich damals getan habe. Ich hoffe, es wird Menschen helfen, die Python von nun an mit EC2 entwickeln.

Die Ausführungsumgebung ist Mac Catalina. (Ergänzung: Selbst unter Windows kann die Umgebung mit Git Bash erstellt werden.)

Schritt 1 Erstellen einer Instanz

Ich habe Ubuntu 18.04 LST verwendet, das kostenlos verwendet werden kann. Es gibt ein Bild von nvidia, aber ich habe es dort ausprobiert und es hat nicht funktioniert, also habe ich es von Grund auf neu gemacht.

Der Instanztyp kann eine kostenlose Schicht sein. Sie müssen beim Aufbau der Umgebung keine hohe Gebühr zahlen. Wenn Sie die schwere Last später berechnen möchten, ändern Sie sie zu diesem Zeitpunkt.

Ich habe keine anderen Einstellungen vorgenommen, daher ist es in Ordnung, mit "Bestätigung und Erstellung" fortzufahren.

Bitte überprüfen Sie die Erstellung von PEM-Dateien separat. Es tut mir leid, dass ich unfreundlich bin. Danach gehen wir davon aus, dass die PEM-Datei erstellt wurde.

Schritt 2 Stellen Sie eine Verbindung zur Instanz her

Wenn die erstellte Instanz ausgeführt wird und die Statusprüfung die 2/2 Prüfung besteht, versuchen Sie, eine Verbindung zur Instanz herzustellen. Dann, EC2 Instance Connect / Sitzungsmanager / SSH-Client Ich denke, Sie werden mit der Registerkarte zur Seite springen. Öffnen Sie die Registerkarte für diesen SSH-Client.

Wechseln Sie im Terminal auch in das Verzeichnis, in dem sich die PEM-Datei befindet. Und auf der Registerkarte SSH-Client Nachdem Sie den Befehl beginnend mit chmod ausgeführt haben, Führen Sie einen Befehl wie ssi -i "~~~ .pem" ubuntu @ aus. Sie sollten in der Lage sein, eine Verbindung zur erstellten Instanz herzustellen.

↑ Dies ist der Bildschirm

Schritt 3 Installieren Sie Jupyter Lab

Führen Sie den folgenden Code für die erstellte Instanz aus.

sudo apt update
sudo apt upgrade
sudo apt install -y software-properties-common
sudo apt-add-repository -y ppa:git-core/ppa
sudo apt install -y git
sudo apt install -y python3-pip
sudo pip3 install --upgrade pip
sudo pip3 install jupyterlab
sudo pip3 install ipywidgets
jupyter nbextension enable --py widgetsnbextension

Sie haben jetzt jupyterLab auf der gerade erstellten Instanz installiert.

Schritt 4 Stellen Sie eine Verbindung zu Jupyter Lab her

Wenn Sie dies tun können, stoppen Sie die Instanz einmal, und wenn Sie den Stopp bestätigen können, starten Sie sie erneut.

Wenn die Prüfung wie in Schritt 1 bestanden wurde, stellen Sie wie zuvor eine Verbindung zum SSH-Client her, fügen Sie dem Befehl jedoch "-L 8889: 127.0.0.1:8889" hinzu.

ssh -i "***.pem" -L 8889:127.0.0.1:8889 ubuntu@ec2-***-***-***-***.*********.compute.amazonaws.com

Führen Sie nach dem Herstellen der Verbindung den folgenden Befehl für die Instanz aus, um jupyterLab zu starten.

jupyter-lab --ip=0.0.0.0 --port=8889 --no-browser --allow-root --NotebookApp.token=''

Wenn keine Fehler vorliegen, im Browser

127.0.0.1:8889

Versuchen Sie, eine Verbindung zu herzustellen. Ich denke, Sie können eine Verbindung zum jupyterLab herstellen, das auf der gestarteten Instanz ausgeführt wird.

Schließlich

Ich hoffe es gibt keine Fehler. Danach habe ich Pakete wie Tensorflow installiert, aber es gibt verschiedene Probleme ... Derzeit ist dieses Problem gelöst, daher denke ich, dass es hilfreich sein wird, wenn Sie bei ↓ fragen. (In einigen Fällen werde ich es als separaten Artikel schreiben) Danke fürs Lesen.

Referenzierte Artikel usw. (Danke !!)

Betreiben Sie das Jupyter-Notebook auf dem SSH-Zielserver auf dem lokalen PC https://sishida21.github.io/2019/12/12/remote-jupyter-notebook/

[Erläuterung mit Bild] Erstellen Sie mit Docker eine Anaconda-Umgebung und verwenden Sie VS-Code im Container https://qiita.com/komiya_____/items/96c14485eb035701e218

Ich habe die Umgebung unter Bezugnahme auf die Docker-Datei erstellt, die ich vor langer Zeit erstellt habe. Es muss also andere Artikel geben, auf die ich damals verwiesen habe ... aber ich kann mich nicht erinnern ... Es tut mir leid.