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.
Erste Schritte
Um sich hier einzuloggen, müssen Sie als SC User registriert sein.
Zugang zur SC-Infrastruktur beantragen
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.