Die Software „Jupyter“ bietet Forschenden, Lehrenden und Lernenden der Universität Leipzig und deren Kooperationspartner:innen ein interaktives Webinterface zur Nutzung von Hochleistungsrechenressourcen für Data Science und Machine Learning. Hier finden Sie hilfreiche Tipps für die Nutzung von Jupyter.

Akstrakte, futuristische Kreise, Punkte und Linien
Foto: Colourbox

Erste Schritte

Um sich hier einzuloggen, müssen Sie als SC User registriert sein.

Zugang zur SC-Infrastruktur beantragen

Zum Login JupyterHub

 

Nachdem Sie sich eingeloggt haben, wird Ihnen ein Drop-down-Menü angezeigt. Hier können Sie auswählen, welche Ressource Sie benötigen. Zum jetzigen Zeitpunkt ist diese Liste vordefiniert und enthält folgende Optionen:

Cluster Partition Anzahl der CPUs Anzahl der GPUs GPU Modell RAM
Clara

4

1 RTX 2080 32 GB
Clara 4 1 Tesla V100 32 GB
Galaxy 4 0 - 16  TB
Galaxy Test 1 0 - -

Sobald Sie Ihre gewünschte Ressource ausgewählt und „Start” geklickt haben, beginnt eine interaktive Session auf dem Cluster. Je nach Cluster und Verfügbarkeit kann dies einige Sekunden dauern.

Jede Session hat eine zeitliche Begrenzung. Diese beträgt normalerweise vier Stunden. Wenn Ihr System für 30 Minuten nicht arbeitet, wird die Session ebenso automatisch beendet. Bei Bedarf können Sie jedoch umgehend die gleiche Ressource erneut beantragen.

Wenn die beantragte Ressource verfügbar und für Sie bereit ist, gelangen Sie in den „JupyterHub Launcher”.

Eigene Umgebungen und Systeme nutzen

Schritt 1

Erstellen Sie eine Conda-Umgebung.

 

module load Anaconda3 # load anaconda module
conda init bash # ensure conda initialisation
conda create -n tf2.1 tensorflow=2.1 # create conda environment, e.g. containing tensorflow package

 

Schritt 2

Installieren Sie ipykernel

 

conda activate tf2.1 # activate environment
conda install ipykernel # install the ipykernel package for kernel management
python -m ipykernel install --user --name 'tf2.1' --display-name "Tensorflow 2.1" # install kernel

 

Schritt 3

Loggen Sie sich im JupyterHub aus und wieder ein. Evtl. müssen Sie Ihre Session neu starten.

Schritt 4

Sie können nun mit der neuen Umgebung im JupyterHub arbeiten.

Schritt 1

Erstellen Sie eine virtuelle Python-Umgebung.

 

module load Python # activate up to date python
mkdir venv # create a directory
python -m venv venv/tf # create an environment within this directory
source venv/tf/bin/activate # activate environment
pip install tensorflow # install packages as needed, e.g. tensorflow

 

Schritt 2

Installieren Sie ipykernel.

 

source venv/tf/bin/activate # activate environment, maybe duplicate
pip install ipykernel # install the ipykernel package for kernel management
python -m ipykernel install --user --name 'tf' --display-name "Tensorflow (user)" # install kernel

 

Schritt 3

Loggen Sie sich im JupyterHub aus und wieder ein. Evtl. müssen Sie Ihre Session neu starten.

Schritt 4

Sie können nun mit der neuen Umgebung im JupyterHub arbeiten.