Jupyter

Jupyter is a web-based interactive development environment for Jupyter notebooks. The notebooks are web applications that allows you to create and share documents that contain live code, equations, visualizations and narrative test.

Uses include: data cleaning and transformation, numerical simulation, statistical modeling, data visualization, machine learning and much more.

— Excerpt from the official site

Jupyter est accessible depuis votre navigateur Web : https://jupyter.ig.umons.ac.be. Il tourne sur un serveur comprenant 2 processeurs Intel Xeon E5 pour un total de 16 coeurs et 32 GB de mémoire vive. Ce serveur est équipé de 4 GPU NVIDIA GTX 980.

Avant février 2020, Jupyter était installé à partir d’un environnement virtuel Python (python3-venv) et provenait de PyPI. Ces environnements sont toujours disponible depuis SSH pour ceux qui les utilisaient.

Depuis lors, il est installé depuis Anaconda pour des raisons de performance et de facilité d’administration.

Avec Anaconda, les utilisateurs sont désormais capable d’installer les paquets pythons manquants dans leur répertoire home afin de compléter les environnements disponibles. Il est aussi possible d’installer une version différente de Python que celle utilisée pour faire tourner Jupyter ou d’utiliser d’autre langages tant que leur kernels requis sont installés.

Connexion

Avec un compte enregistré (voir la page Démarrage), ouvrez votre navigateur et allez sur https://jupyter.ig.umons.ac.be.

Maintenant, connectez vous avec votre mot de passe :

Figure 1. Écran de connexion de Jupyter

Un serveur Jupyter sera alors démarré avec votre compte et vous serez accueillis par l’onglet "launcher" de Jupyterlab.

Cet onglet vous permet de démarrer un notebook avec l’environnement que vous désiré. Ceux-ci sont majoritairement des environnements Python mais ils peuvent aussi utiliser d’autres language tant que le kernel correspondant est installé.

Placez votre souris au dessus des différentes tuiles pour afficher leurs noms complets.

Dans cet exemple, je vais choisir l’environnement tensorflow-gpu-2.0 :

Figure 2. Jupyterlab launcher

Les cellules des notebooks peuvent être de différents types :

code pour écrire du code ou des commandes
markdown pour l’écriture d’explications
raw pour du texte brut

Vous pouvez changer le type de chaque cellule à partir de la barre d’outils du notebook et appliquer le changement en exécutant la cellule à l’aide de Control + Entrée.

Vous pouvez changer l’environnement d’un notebook en en sélectionnant un autre à partir de l’extrémité droite de la barre d’outils.

Lancer des commandes shell et des exécutables

Depuis une cellule, vous pouvez démarrer des commandes à l’aide du point d’exclamation '!'

Par exemple, la version de Python peut être affichée à l’aide de ces commandes :

!which python
!python -V

/usr/local/anaconda3/envs/tensorflow-gpu-2.0/bin/python
Python 3.7.6

Commande magique

Vous pouvez afficher la liste des paquets Python de l’environnement courant :

%pip list

Pour afficher les variables d’environnement :

%env

Afficher le répertoire courant :

%pwd

Plein de commandes magiques sont disponibles. Vous pouvez afficher la liste avec :

%quickref

Pour en savoir plus, allez voir https://ipython.readthedocs.io/en/stable/interactive/magics.html

Installer des paquets Python manquants

Si vous ne pouvez pas importer une bibliothèque, cela signifie qu’elle n’est pas installée dans l’environnement. Puisque vous n’avez pas les permissions d’écriture sur son dossier, vous ne pouvez pas installer de paquets au niveau de l’environnement.

Cependant, vous pouvez les installer dans votre dossier home comme ceci :

%pip install --user seaborn

Et si l’un des paquets génère un exécutable, il sera ajouté dans le dossier $HOME/.local/bin. Pour être capable de les exécuter, il devra être ajouté à la variable PATH :

%env PATH=$HOME/.local/bin:$PATH