notebook

1、修改默认目录 #生成配置文件 jupyter notebook --generate-config #根据提示打开生成的配置文件，找到NoteBookApp.note_book_dir行取消注释，修改对应的目录 c.NoteBookApp.note_book_dir=/User/xxx/pyclass/code 来源： CSDN 作者： zhang168 链接： https://blog.csdn.net/zhang168/article/details/104728810

上一节介绍了Anaconda的安装，这一节讲一下如何使用它。在Anaconda中有一个自带的编辑器叫Jupyter，它是基于网页的，对于代码的可视化展示有很好的效果，因此这里将主要介绍Jupyter的使用，至于像自带的Spyder，感兴趣的小伙伴可以自己鼓捣一下。 Python安装 Anaconda安装 Jupyter安装 Tensorflow安装 可能有小伙伴要问我了，为什么不讲一下Jupyter的安装呢？首先来说，如果你在你的Windows电脑上已经安装了Python，那么你只需在命令行窗口中切换到你安装Python目录的Scripts目录下，执行指令pip install jupyter即可安装，但是这样很难一次性安装成功，因为要下载很多文件，而在这个过程中可能会因为网速太慢而出现中断，导致安装失败，所以直接用Anaconda自带的Jupyter要快得多。 点击左下角Windows开始图标，在所有程序中找到Anaconda文件夹，点击Anaconda Prompt，如下图输入Jupyter notebook，回车静待Jupyter notebook启动， 打开之后是这样子的， 因为Jupyter notebook默认的工作空间在Administrator文件夹下，所以会加载该文件夹下的所有文件，这样不好，可以更换工作空间，比方说在其他非系统盘建个专属文件夹

一、Mac上安装docker服务-安装desktop docker 1.从docker官网下载docker.dmg并安装 下载网址： https://hub.docker.com/editions/community/docker-ce-desktop-mac/ 安装教程： https://docs.docker.com/docker-for-mac/install/ 2.注册账户-在dockerhub网址上 https://hub.docker.com/ 3.镜像加速 鉴于国内网络问题，后续拉取 Docker 镜像十分缓慢，我们可以需要配置加速器来解决。 在任务栏点击 Docker for mac 应用图标 -> Perferences... -> Settings Docker Engine. 在json字符串中添加一项： "registry-mirrors": [ "https://registry.docker-cn.com", "http://hub-mirror.c.163.com/" ] https://registry.docker-cn.com是docker官方给的中国镜像库； http://hub-mirror.c.163.com/是网易的镜像库。 参考： https://www.runoob.com/docker/docker-mirror

方法一 打开Anaconda Prompt >d E:\Practice\python_work >jupyter notebook 方法二 打开Anaconda Prompt >jupyter notebook --generate-config 找到 jupyter_notebook_config.py 的路径并打此文件 找到 c.NotebookApp.notebook_dir 这个变量，将你希望的路径赋值给这个变量，并删除这一行前面的“#”，此行代码前不能有空格，如图： 右键Jupyter Notebook 快捷方式 =>属性=>“目标”栏=>删除最后面的 “%USERPROFILE%” 来源： CSDN 作者： AInaonao 链接： https://blog.csdn.net/firelyre/article/details/104670410

本博客讲述了在 jupyter notebook 上 argparse.parse_args() 无法正确运行的解决办法 问题描述 argparse 是我比较习惯的命令行解析程序，之前一直在pycharm 中用（教程请见本人另外一篇 博客 ），今天在 jupyter notebook 中使用的时候发现报错了！ 报错代码： import argparse import os import random import numpy as np import torch import torch . backends . cudnn as cudnn arg = argparse . ArgumentParser ( ) arg . add_argument ( "--workers" , type = int , help = "数据加载线程的个数，默认8 线程" , default = 4 ) arg . add_argument ( "--batchSize" , type = int , help = "输入批数据的大小，默认200" , default = 200 ) arg . add_argument ( "--lr" , type = float , default = 0.0002 , help = "学习率，默认大小是 0.0002" ) arg . add

本文讲述如何在本地用浏览器运行远程服务器上的iPython notebook服务。 在远程机器上，启动IPython notebooks服务： remote_user@remote_host$ ipython notebook --no-browser --port=8889 在本地机器上，打开一个可以SSH登录的工具： local_user@local_host$ ssh -N -f -L localhost:8888:localhost:8889 remote_user@remote_host 第一个 -N 参数告诉SSH没有命令要被远程执行，对于port forwarding很有用。第二个参数 -f 告诉SSH在后台执行，因此本地终端就能一直保持有效能用。最后的参数 -L 是指定port forwarding的配置，远端端口是8889，本地的端口号的8888. 我是用Xshell远程登录的，另外也有人推荐Putty之类的。XShell的配置如下： 然后，在本地用浏览器打开localhost:8888，就会看到熟悉的IPython notebooks界面啦。 远程服务器上会显示这些 local_user@local_host$ ps aux | grep localhost:8889 local_user 18418 0.0 0.0 41488 684 ? Ss 17:27 0

目录 页面概览 创建并运行Notebook项目 VisualDL工具 页面概览 创建并运行Notebook项目 1、点击项目大厅页面的「创建项目」. 2、选择Notebook项目，完善项目信息，点击「创建」. 3、项目创建成功，点击「查看」. 4、至我的项目-项目详情页 项目删除、修改及设置为公开项目操作. 版本内容: 展示当前Notebook最新内容. 数据集：支持部分数据类型预览. Fork记录: 项目被其他人Fork的记录. 在线服务: 用于预测服务. 项目启停与部署操作. 5、点击右方「运行」进行项目环境选择. 支持基础版(CPU环境)与高级版(GPU环境)两种模式选择，默认为基础版，选择完毕点击确认． 6、点击「确定」跳转到项目代码在线编辑Notebook环境，Notebook使用说明详见下一节《项目大厅-Notebook环境使用说明》，代码编辑完成后点击运行，保存之后可在我的项目-项目详情页查看最新版本内容，即如本文档页面概览所示. VisualDL工具 VisualDL是一个面向深度学习任务设计的可视化工具，包含了scalar、参数分布、模型结构、图像可视化等功能. AI Studio单机项目已经集成VisualDL工具, Notebook代码编写请参考文档 如何在PaddlePaddle中使用VisualDL . Step1 训练代码中增加 Loggers

一、数据分析介绍 数据分析是什么? 数据分析能干什么? 为什么利用Python进行数据分析? 数据分析过程概述 常用库简介 1.1数据分析是什么 在我们如今这个时代，相信大多数人都能明白数据的重要性，数据就是信息，而数据分析就是可以让我们发挥这些信息功能的重要手段。 1.2数据分析能干什么 对于数据分析能干什么其实我们可以简单的举几个例子： 1、淘宝可以观察用户的购买记录、搜索记录以及人们在社交媒体上发布的内容选择商品推荐 2、股票可以根据相应的数据选择买进卖出 3、今日头条可以将数据分析应用到新闻推送排行算法当中 4、爱奇艺可以为用户提供个性化电影推荐服务 其实数据分析不仅可以完成像以上这样的推荐系统，在制药行业也可运用数据分析来预测什么样的化合物更有可能制成高效药物等 所以说数据分析绝对是未来所有公司不可或缺的岗位，目前社会上获取数据方式太多了，这么多的数据，只要我们拥有数据分析的技能，绝对可以应付任何岗位上的工作。 1.3为什么利用Python进行数据分析 1、Python的代码语法简单易学 2、Python可以很容易的整合C、C++等语言的代码 3、Python有大量用于科学计算的库 4、Python不仅可以用于研究和原型构建，同时也适用于构建生产系统 1.4数据分析过程概述 1.4.1提出问题 在真正的工作场景下

之前用某个python IDE 创建python项目的时候，不知怎地创建了一个 Kernel，现在使用 Juputer Notebook 后发现这个 Kernels 一直报错 Kernel error ，所以想把它删除掉！ 1、先查看一下 Jupyter 下面有多少个 kernels ： jupyter kernelspec list 2、然后执行下面的命令，删除指定的 kernel ： jupyter kernelspec remove 需要删除的 kernel 名称 3、再次查看一下 list，删除的那个 kernel 是不是已经消失了： 4、刷新一下 Jupyter Notebook 页面，发现之前的那个 kernel 已经没有了： 来源： CSDN 作者： David_jiahuan 链接： https://blog.csdn.net/David_jiahuan/article/details/104600644

Python Programming Guide The Spark Python API (PySpark) exposes the Spark programming model to Python. To learn the basics of Spark, we recommend reading through the Scala programming guide first; it should be easy to follow even if you don’t know Scala. This guide will show how to use the Spark features described there in Python. Key Differences in the Python API There are a few key differences between the Python and Scala APIs: Python is dynamically typed, so RDDs can hold objects of multiple types. PySpark does not yet support a few API calls, such as lookup and non-text input files, though