[PYTHON] Construction d'un environnement Jupyter facile avec Cloud9

** Réglage super facile **

J'ai fait une version super facile. https://github.com/y-sama/cloud9 Principalement, Jupyter, Pandas, Scikit-learn, tensorflow peuvent être utilisés.

git clone https://github.com/y-sama/cloud9.git
bash cloud9/init.sh

Introduction

J'ai récemment entendu dire que vous pouvez mettre Jupyter sur l'IDE en ligne Cloud9 quelque part. Il existe un article précédent, mais je vais le réorganiser moi-même.

Je pense qu'il faut moins de 10 minutes pour que le paramètre le plus rapide ignore la sécurité et moins de 30 minutes pour divers paramètres. Le DISQUE gratuit qui peut être utilisé avec Cloud9 est de 2 Go, mais j'utilise environ 1,6 Go. Malheureusement, Tensorflow ne peut pas être installé car il consomme de l'espace disque. De plus, comme il s'agit d'un seul cœur, il ne peut pas être calculé sérieusement, mais cela suffit si vous êtes intéressé par Jupyter, que vous voulez essayer des pandas ou que vous voulez faire un tutoriel scikit-learn.

Créer un compte Cloud 9

Tout ce dont vous avez besoin est votre adresse e-mail. https://c9.io/signup

Entrez simplement un nom ou quelque chose.

Jusqu'à présent ** 1 minute **

Créer un espace de travail

Créez un espace de travail adapté. Pour le moment, le paramètre privé et le modèle sont définis sur python, mais tout va bien. Le démarrage de la machine virtuelle prend un certain temps.

Jusqu'à présent ** trois minutes **

Réglage le plus rapide

Lorsque l'écran de l'espace de travail apparaît, il y a une console bash en bas de l'écran, alors copiez et collez le script suivant.

git clone https://github.com/yyuu/pyenv.git ~/.pyenv
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
source ~/.bashrc
pyenv install anaconda3-4.0.0
pyenv rehash
pyenv global anaconda3-4.0.0

Anaconda sera téléchargé, mais cela prendra environ 3 minutes.

Jusqu'ici ** 6 minutes **

Démarrez Jupyter

jupyter notebook --ip 0.0.0.0 --port 8080 --no-browser

La sécurité est super douce, mais pour le moment, cela fonctionne.

https://<workspace>.<username>.c9users.io

Vous pouvez accéder à Jupyter à partir de. Puisqu'il s'agit de https, faites attention uniquement là-bas.

Jusqu'ici ** 7 minutes ** Au plus vite, vous pouvez préparer l'environnement en moins de 10 minutes: en riant:

Paramètres Anaconda

Si vous avez miniconda au lieu d'Anaconda, vous pouvez probablement en ajouter beaucoup.

conda install jupyter scikit-learn bokeh seaborn pandas dask networkx numba pep8 pillow scikit-image sqlalchemy sqlite statsmodels sympy xlrd xlsxwriter xlwt

Vous devriez définir cela autour d'Anaconda.

conda update conda #La version de conda monte souvent, alors vérifiez-la pour le moment
echo 'alias activate="source $PYENV_ROOT/versions/anaconda3-4.0.0/bin/activate"' >> ~/.bashrc
source ~/.bashrc
conda install seaborn #Ce n'est pas dans anaconda donc je vais le mettre

Paramètres de Jupyter

** Cloud9 est accessible de n'importe où, il est donc préférable de définir un mot de passe. ** **

Référence

--Créer un fichier de configuration --Générer une chaîne de hachage pour le mot de passe lors de l'accès à Jupyter.

mkdir ~/workspace/jupyter
jupyter notebook --generate-config
#>>> Writing default config to: /home/ubuntu/.jupyter/jupyter_notebook_config.py
python -c "from notebook.auth import passwd;print(passwd())" 
#>>> Enter password: #Entrez le mot de passe à utiliser lors de l'accès à Jupyter
#>>> Verify password: 
#>>> 'sha1:......' #Copier après sha

--Modifiez jupyter_notebook_config.py.

vi ~/.jupyter/jupyter_notebook_config.py

Partie modifiée de jupyter_notebook_config.py

changements valeur initiale Après le changement
c.NotebookApp.ip 'localhost' '*'
c.NotebookApp.notebook_dir null '/home/ubuntu/workspace/jupyter'
c.NotebookApp.open_browser True False
c.NotebookApp.port 8888 8080
c.NotebookApp.password null 'sha1:......' #La chaîne de hachage de plus tôt

Ceci est également faible en termes de sécurité, donc si vous souhaitez que Jupyter continue de fonctionner, limitez votre adresse IP.

paramètres de démarrage

Si vous placez .py ou .ipy dans ~ / .ipython / profile_default / startup, il sera chargé au démarrage du noyau Ipython. Si vous mettez un fichier comme 00_start.ipy, vous n'avez pas à le saisir à chaque fois que vous démarrez Jupyter, c'est donc facile. Le format .ipy peut également écrire des commandes magiques ipython.

00_start.ipy


import os,sys
import numpy as np
import pandas as pd
import seaborn as sns
%matplotlib inline

Installation d'extension

Extensions IPython assorties, extension RISE pour la présentation, recherche de document jupyter_cms dans Jupyter.

cd ~/
git clone https://github.com/ipython-contrib/IPython-notebook-extensions
cd IPython-notebook-extensions
python setup.py install
cd ../
git clone https://github.com/damianavila/RISE
cd RISE
python setup.py install
pip install jupyter_cms
jupyter cms quick-setup --sys-prefix

IPython-notebook-extensions article Qiita Le glisser-déposer est pratique.

Commencez

jupyter notebook

Si vous enregistrez le fichier avec jupyter.sh et l'exécutez une fois, ce sera plus facile car vous pourrez le démarrer avec une dernière exécution à partir de la prochaine fois.

Mettez-le dans Jupyter avec https: // <workspace>. <Username> .c9users.io.

C'est le meilleur comme jouet.

Recommended Posts

Construction d'un environnement Jupyter facile avec Cloud9
Construire un environnement d'analyse avec Docker (jupyter notebook + PostgreSQL)
Environnement toxique facile avec Jenkins
Changer d'environnement virtuel avec jupyter
Construction d'environnement virtuel avec Docker + Flask (Python) + notebook Jupyter
De Kafka à KSQL - Construction d'environnement facile avec docker
Commencez avec Python! ~ ① Construction de l'environnement ~
Construction de l'environnement Ruby avec AWS EC2
[MEMO] [Construction de l'environnement de développement] Jupyter Notebook
Automatisez la construction d'environnement avec ShellScript
Construction de l'environnement Python3 avec pyenv-virtualenv (CentOS 7.3)
Utilisation de Chainer avec CentOS7 [Construction de l'environnement]
Construction de l'environnement pytorch @ python3.8 avec pipenv
Environnement de déploiement facile avec gaffer + tissu
Créer un environnement avec pyenv et pyenv-virtualenv
[Ubuntu 18.04] Créer un environnement Python avec pyenv + pipenv
Créer un environnement Jupyter Lab (Python) avec Docker
Vue.js + Mémorandum de construction de l'environnement Flask ~ avec Anaconda3 ~
Un mémo rempli de construction d'environnement RADEX
Entendons-nous bien avec Python # 0 (Construction de l'environnement)
Construction de l'environnement DeepIE3D
Construction d'environnement basée sur Emacs
Construction de l'environnement Linux
Construction d'environnement (python)
construction d'environnement django
Construction de l'environnement CodeIgniter
[Cloud102] # 1 Commençons avec Python (Partie 2 Jupyter Notebook Construction AWS Edition)
construction d'environnement python
Python - Construction de l'environnement
Construction de l'environnement Python
Construction de l'environnement Golang
Construction de l'environnement de word2vec
Collecter des informations depuis Twitter avec Python (construction de l'environnement)
Créez l'environnement de calcul le plus puissant avec Sympy + Jupyter
Essayez d'utiliser l'environnement virtuel conda avec Jupyter Notebook
Construction de l'environnement Cloud9 pour le développement d'applications Web sans serveur
[0] Construction de l'environnement TensorFlow-GPU avec Anaconda sur Ubuntu
Construction d'environnement Poetry-virtualenv avec python de centos-sclo-rh ~ Notes
Premier python ① Construction de l'environnement avec pythonbrew & Hello World !!
De la construction d'environnement Python à la construction d'environnement virtuel avec anaconda
[Cloud102] # 1 Commençons avec Python (Partie 3 Jupyter Notebook Construction GCP Cloud Shell Edition)
Modèle de construction d'environnement de développement local Python [Flask / Django / Jupyter avec Docker + VS Code]
Construction d'un environnement d'analyse de données Python facile avec Windows10 Pro x VS Code x Docker
Création d'un environnement R avec Jupyter (anciennement notebook IPython) (sous OS X El Capitan 10.11.3)
Sélection multiple avec Jupyter
Easy Grad-CAM avec pytorch-gradcam
Bougies avec plotly + Jupyter
Machine learning facile avec AutoAI (partie 4) Jupyter Notebook
Construction de l'environnement: GCP + Docker
Construction de l'environnement du projet Django
Mémo de construction de l'environnement ConoHa
Construction d'environnements liés à PyData
Construction de l'environnement de développement Python
Construction d'un environnement d'analyse de données avec Python (notebook IPython + Pandas)
Un moyen simple de créer un module d'importation avec jupyter