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.

zur Vergrößerungsansicht des Bildes: 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 Ressourcenauswahlmenü angezeigt. Hier können Sie auswählen, welche Ressourcen Sie benötigen.

Bei RAM haben Sie die Möglichkeit zwischen 8GB, 16GB, und 32GB zu wählen.

Die Anzahlt der verfügbaren CPUs ist entweder 1, 2, 4, oder 8.

 

Abhängig davon welches Partition Sie wählen, haben Sie verschiedenen Optionen eine GPU zu wählen:

  • clara erlaubt den Zugriff auf Tesla V100 oder RTX 2080TI GPUs
  • paula beinhaltet Tesla A30 GPUs

 

Sobald Sie Ihre gewünschten Ressourcen 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 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 beantragten Ressourcen verfügbar und für Sie bereit sind, 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.