JupyterLab Panoramica dell’interfaccia utente
JupyterLab è un'interfaccia utente basata sul Web per Project Jupyter ed è strettamente integrata in Adobe Experience Platform. Fornisce un ambiente di sviluppo interattivo per consentire ai data scientist di lavorare con Jupyter Notebooks, codice e dati.
In questo documento viene fornita una panoramica di JupyterLab e delle relative caratteristiche, nonché istruzioni per l'esecuzione di azioni comuni.
JupyterLab il Experience Platform
L'integrazione di Experience Platform con JupyterLab è accompagnata da modifiche architetturali, considerazioni di progettazione, estensioni per notebook personalizzate, librerie preinstallate e un'interfaccia a tema Adobe.
L’elenco seguente illustra alcune delle funzioni esclusive di JupyterLab su Platform:
Integrazione con altri servizi Platform service-integration
Standardizzazione e interoperabilità sono concetti chiave alla base di Experience Platform. L'integrazione di JupyterLab in Platform come IDE incorporato consente di interagire con altri servizi Platform, consentendo di utilizzare Platform al massimo delle potenzialità. I seguenti servizi Platform sono disponibili in JupyterLab:
- Catalog Service: Accedi ed esplora i set di dati con funzionalità di lettura e scrittura.
- Query Service: Accedere ed esplorare i set di dati utilizzando SQL, riducendo i costi comuni di accesso ai dati quando si gestiscono grandi quantità di dati.
- Sensei ML Framework: sviluppo di modelli con la possibilità di addestrare e valutare i dati, nonché creazione di formule con un solo clic.
- Experience Data Model (XDM): La standardizzazione e l'interoperabilità sono concetti chiave di Adobe Experience Platform. Experience Data Model (XDM), guidato da un Adobe, è un tentativo di standardizzare i dati sull'esperienza del cliente e definire schemi per la gestione della customer experience.
Funzioni principali e operazioni comuni
Le informazioni sulle caratteristiche chiave di JupyterLab e le istruzioni sull'esecuzione di operazioni comuni sono fornite nelle sezioni seguenti:
Accedi a JupyterLab access-jupyterlab
In Adobe Experience Platform, seleziona Blocchi appunti dalla colonna di navigazione a sinistra. Attendere il completamento dell'inizializzazione di JupyterLab.
Interfaccia JupyterLab jupyterlab-interface
L'interfaccia JupyterLab è costituita da una barra dei menu, una barra laterale a sinistra comprimibile e l'area di lavoro principale contenente schede di documenti e attività.
Barra dei menu
La barra dei menu nella parte superiore dell'interfaccia include menu di primo livello che espongono le azioni disponibili in JupyterLab con le relative scelte rapide da tastiera:
- File: azioni relative a file e directory
- Modifica: azioni relative alla modifica di documenti e altre attività
- Visualizzazione: azioni che modificano l'aspetto di JupyterLab
- Esegui: azioni per l'esecuzione del codice in attività diverse, ad esempio blocchi appunti e console di codice
- Kernel: azioni per la gestione dei kernel
- Schede: un elenco di documenti e attività aperti
- Impostazioni: Impostazioni comuni e un editor di impostazioni avanzate
- Guida: Un elenco di JupyterLab e collegamenti della Guida del kernel
Barra laterale a sinistra
La barra laterale a sinistra contiene schede selezionabili che consentono di accedere alle seguenti funzioni:
- Browser file: un elenco di documenti e directory dei blocchi appunti salvati
- Esplora dati: Sfogliare, accedere ed esplorare set di dati e schemi
- Kernel e terminali in esecuzione: Un elenco di sessioni attive del kernel e del terminale con la possibilità di terminare
- Comandi: Elenco di comandi utili
- Ispettore celle: editor di celle che consente di accedere a strumenti e metadati utili per la configurazione di un blocco appunti a scopo di presentazione
- schede: un elenco di schede aperte
Seleziona una scheda per esporne le funzioni o fai clic su una scheda espansa per comprimere la barra laterale a sinistra, come illustrato di seguito:
Area di lavoro principale
L'area di lavoro principale in JupyterLab consente di disporre documenti e altre attività in pannelli di schede che possono essere ridimensionati o suddivisi. Trascinare una scheda al centro di un pannello di tabulazione per migrare la scheda. Dividi un pannello trascinando una scheda a sinistra, a destra, in alto o in basso nel pannello:
Configurazione della GPU e del server di memoria in Python/R
In JupyterLab selezionare l'icona a forma di ingranaggio nell'angolo superiore destro per aprire Configurazione server notebook. È possibile attivare la GPU e allocare la quantità di memoria necessaria utilizzando il dispositivo di scorrimento. La quantità di memoria che è possibile allocare dipende da quanto è stato eseguito il provisioning dell’organizzazione. Seleziona Aggiorna configurazioni da salvare.
Termina e riavvia JupyterLab
In JupyterLab, puoi terminare la sessione per impedire l'utilizzo di ulteriori risorse. Iniziare selezionando l'icona di alimentazione
Per riavviare JupyterLab, selezionare l'icona riavvia
Celle di codice code-cells
Le celle di codice sono il contenuto principale dei notebook. Contengono codice sorgente nel linguaggio del kernel associato al blocco appunti e l'output risultante dall'esecuzione della cella del codice. A destra di ogni cella di codice che rappresenta l'ordine di esecuzione viene visualizzato un conteggio di esecuzione.
Le azioni comuni delle celle sono descritte di seguito:
-
Aggiungi cella: Per aggiungere una cella vuota, fare clic sul simbolo più (+) nel menu del blocco appunti. Le nuove celle vengono posizionate sotto la cella con cui si sta interagendo o alla fine del blocco appunti se non è attiva alcuna cella particolare.
-
Spostare una cella: Posizionare il cursore a destra della cella che si desidera spostare, quindi fare clic e trascinare la cella in una nuova posizione. Inoltre, se si sposta una cella da un blocco appunti a un altro, la cella viene replicata insieme al relativo contenuto.
-
Esegui una cella: Fare clic sul corpo della cella che si desidera eseguire, quindi fare clic sull'icona Riproduci (▶) nel menu del blocco appunti. Un asterisco (*) viene visualizzato nel contatore di esecuzione della cella durante l'elaborazione dell'esecuzione e viene sostituito con un numero intero al termine.
-
Eliminare una cella: Fare clic sul corpo della cella che si desidera eliminare, quindi fare clic sull'icona forbice.
Kernel kernels
I kernel per notebook sono i motori di elaborazione specifici per il linguaggio per l'elaborazione di celle per notebook. Oltre a Python, JupyterLab fornisce supporto linguistico aggiuntivo in R, PySpark e Spark (Scala). Quando si apre un documento blocco appunti, viene avviato il kernel associato. Quando viene eseguita una cella del notebook, il kernel esegue il calcolo e produce risultati che possono richiedere notevoli risorse di CPU e memoria. Si noti che la memoria allocata non viene liberata fino alla chiusura del kernel.
Alcune caratteristiche e funzionalità sono limitate a determinati kernel come descritto nella tabella seguente:
- Sensei ML Framework
- Catalog Service
- Query Service
- Sensei ML Framework
- Catalog Service
- Sensei ML Framework
- Catalog Service
Sessioni kernel kernel-sessions
Ogni blocco appunti o attività attiva in JupyterLab utilizza una sessione kernel. Per trovare tutte le sessioni attive, espandi la scheda Terminali e kernel in esecuzione dalla barra laterale a sinistra. Il tipo e lo stato del kernel di un notebook possono essere identificati osservando la parte superiore destra dell'interfaccia del notebook. Nel diagramma seguente, il kernel associato al blocco appunti è Python3 e il suo stato corrente è rappresentato da un cerchio grigio a destra. Un cerchio cavo implica un kernel inattivo e un cerchio solido implica un kernel occupato.
Se il kernel viene arrestato o inattivo per un periodo prolungato, Nessun kernel!Viene visualizzato con un cerchio continuo. Attivate un kernel facendo clic sullo stato del kernel e selezionando il tipo di kernel appropriato come mostrato di seguito:
Modulo di avvio launcher
Il modulo di avvio personalizzato fornisce utili modelli di blocco appunti per i kernel supportati, utili per avviare l'attività, tra cui:
Alcuni modelli di notebook sono limitati a determinati kernel. La disponibilità del modello per ciascun kernel è mappata nella tabella seguente:
Per aprire un nuovo modulo di avvio, fare clic su File > Nuovo modulo di avvio. In alternativa, espandere Browser file dalla barra laterale sinistra e fare clic sul simbolo più (+):
Passaggi successivi
Per ulteriori informazioni su ciascuno dei notebook supportati e su come utilizzarli, consulta la Guida per gli sviluppatori di Jupyterlab per l'accesso ai dati dei notebook. Questa guida illustra come utilizzare i notebook JupyterLab per accedere ai dati, incluse le operazioni di lettura, scrittura e query. La guida all'accesso ai dati contiene inoltre informazioni sulla quantità massima di dati che può essere letta da ogni blocco appunti supportato.
Librerie supportate supported-libraries
Per un elenco dei pacchetti supportati in Python, R e PySpark, copiare e incollare !conda list in una nuova cella, quindi eseguire la cella. Un elenco di pacchetti supportati viene compilato in ordine alfabetico.
Inoltre, vengono utilizzate le dipendenze seguenti, ma non elencate:
- CUDA 11,2
- CUDNN 8.1