JupyterLab Overzicht van gebruikersinterface
JupyterLab is een webgebaseerde gebruikersinterface voor Jupyter-project en is nauw geïntegreerd in Adobe Experience Platform. Het verstrekt een interactieve ontwikkelomgeving voor gegevenswetenschappers om met Notities Jupyter, code, en gegevens te werken.
Dit document biedt een overzicht van JupyterLab en de bijbehorende functies en instructies voor het uitvoeren van algemene handelingen.
JupyterLab op Experience Platform
De JupyterLab-integratie van Experience Platform gaat gepaard met architectuurwijzigingen, ontwerpoverwegingen, aangepaste laptopextensies, vooraf geïnstalleerde bibliotheken en een Adobe-interface.
In de volgende lijst worden enkele functies beschreven die uniek zijn voor JupyterLab op Platform:
Integratie met andere Platform diensten service-integration
Standaardisering en interoperabiliteit zijn de belangrijkste concepten achter Experience Platform. De integratie van JupyterLab op Platform als ingebedde winde toestaat het met andere interactie aan Platform services, waarmee u Platform ten volle te benutten. Het volgende Platform services zijn beschikbaar in JupyterLab:
- Catalog Service: Toegang tot en verken gegevenssets met lees- en schrijffuncties.
- Query Service: Toegang tot en verken gegevenssets met SQL, waardoor u lagere gegevenstoegangsoverheadkosten krijgt wanneer u te maken hebt met grote hoeveelheden gegevens.
- Sensei ML Framework: Modelontwikkeling met de mogelijkheid om gegevens op te leiden en te scoren, en het maken van recept met één klik.
- Experience Data Model (XDM): Standaardisering en interoperabiliteit zijn de belangrijkste concepten achter Adobe Experience Platform. Experience Data Model (XDM), gedreven door Adobe, is een inspanning om de gegevens van de klantenervaring te standaardiseren en schema's voor het beheer van de klantenervaring te bepalen.
Belangrijke functies en veelvoorkomende bewerkingen
Informatie over de belangrijkste kenmerken van JupyterLab en instructies voor het uitvoeren van gemeenschappelijke operaties worden in de volgende secties gegeven:
Ga naar JupyterLab access-jupyterlab
In Adobe Experience Platform, selecteert u Notebooks in de linkernavigatiekolom. Enige tijd toestaan voor JupyterLab om volledig te initialiseren.
JupyterLab interface jupyterlab-interface
De JupyterLab interface bestaat uit een menubalk, een opvouwbare linkerzijbalk en het hoofdwerkgebied met tabbladen met documenten en activiteiten.
Menubalk
De menubalk boven aan de interface heeft menu's op hoofdniveau die acties beschikbaar maken in JupyterLab met hun sneltoetsen:
- Bestand: Acties in verband met bestanden en mappen
- Bewerken: Acties in verband met het bewerken van documenten en andere activiteiten
- Weergave: Handelingen die de weergave van JupyterLab
- Uitvoeren: Handelingen voor het uitvoeren van code in verschillende activiteiten, zoals notebooks en codeconsoles
- Kernel: Handelingen voor het beheren van kernels
- Tabs: Een lijst van geopende documenten en activiteiten
- Instellingen: Algemene instellingen en een geavanceerde instellingeneditor
- Help: Een lijst van JupyterLab en kernel Help-koppelingen
Linkerzijbalk
De linkerzijbalk bevat klikbare tabbladen die toegang bieden tot de volgende functies:
- Bestandenbrowser: Een lijst met opgeslagen laptopdocumenten en -mappen
- Gegevensverkenner: Doorblader, toegang, en onderzoek datasets en schema's
- Lopende kernels en terminals: Een lijst van actieve kernel en eindzittingen met de capaciteit om te eindigen
- Opdrachten: Een lijst met nuttige opdrachten
- Celcontrole: Een celeditor die toegang biedt tot gereedschappen en metagegevens die nuttig zijn voor het instellen van een laptop voor presentatiedoeleinden
- tabs: Een lijst met geopende tabbladen
Selecteer een tab om de bijbehorende functies weer te geven of selecteer een uitgevouwen tab om de linkerzijbalk samen te vouwen, zoals hieronder wordt getoond:
Belangrijkste werkterrein
Het belangrijkste werkterrein JupyterLab kunt u documenten en andere activiteiten rangschikken in tabbladen waarvan u de grootte kunt wijzigen of die u kunt onderverdelen. Sleep een tab naar het midden van een deelvenster met tabbladen om de tab te migreren. Verdeel een deelvenster door een tab naar links, rechts, boven of onder in het deelvenster te slepen:
GPU- en geheugenserverconfiguratie in Python/R
In JupyterLab Selecteer het tandwielpictogram in de rechterbovenhoek om het te openen Configuratie notebookserver. Met de schuifregelaar kunt u de GPU in- en uitschakelen en de benodigde hoeveelheid geheugen toewijzen. De hoeveelheid geheugen die u kunt toewijzen, is afhankelijk van de hoeveelheid geheugen die uw organisatie heeft ingericht. Selecteren Update configs om op te slaan.
Beëindigen en opnieuw starten JupyterLab
In JupyterLabkunt u de sessie beëindigen om te voorkomen dat meer bronnen worden gebruikt. Begin door te selecteren energiepictogram
Opnieuw starten JupyterLab, selecteert u de pictogram voor opnieuw opstarten
Codecellen code-cells
Codecellen zijn de belangrijkste inhoud van laptops. Ze bevatten broncode in de taal van de bijbehorende kernel van de laptop en de uitvoer als gevolg van het uitvoeren van de codecel. Rechts van elke codecel wordt een aantal uitvoeringen weergegeven die de volgorde van uitvoering ervan aangeven.
Vaak voorkomende celhandelingen worden hieronder beschreven:
-
Een cel toevoegen: Klik op het plusteken (+) van het notitieboekje om een lege cel toe te voegen. Nieuwe cellen worden onder de cel geplaatst waarmee momenteel wordt gewerkt, of aan het einde van de laptop als geen bepaalde cel de focus heeft.
-
Een cel verplaatsen: Plaats de cursor rechts van de cel die u wilt verplaatsen, klik en sleep de cel naar een nieuwe locatie. Als u bovendien een cel van het ene notebook naar het andere verplaatst, wordt de cel met de inhoud gerepliceerd.
-
Een cel uitvoeren: Klik op de hoofdtekst van de cel die u wilt uitvoeren en klik vervolgens op de knop play icon (!) van het notitieboekje. Een sterretje (*) wordt weergegeven in de uitvoeringsteller van de cel wanneer de kernel de uitvoering verwerkt en wordt na voltooiing vervangen door een geheel getal.
-
Een cel verwijderen: Klik op de hoofdtekst van de cel die u wilt verwijderen en klik vervolgens op de knop schaar pictogram.
Kernels kernels
Notebookkernels zijn de taalspecifieke computerengines voor de verwerking van notebookcellen. Naast Python, JupyterLab verleent extra taalsteun in R, PySpark, en Spark (Scala). Wanneer u een notitieboekjectdocument opent, wordt de bijbehorende kernel gestart. Wanneer een laptopcel wordt uitgevoerd, voert de kernel de berekening uit en levert dit resultaten op die aanzienlijke CPU- en geheugenbronnen verbruiken. Let op: toegewezen geheugen wordt pas vrijgemaakt wanneer de kernel wordt afgesloten.
Bepaalde kenmerken en functies zijn beperkt tot bepaalde kernels zoals beschreven in de onderstaande tabel:
- Sensei ML Framework
- Catalog Service
- Query Service
- Sensei ML Framework
- Catalog Service
- Sensei ML Framework
- Catalog Service
Kernel-sessies kernel-sessions
Elke actieve laptop of activiteit op JupyterLab gebruikt een kernel-sessie. U kunt alle actieve sessies vinden door de Lopende terminals en kernels in de linkerzijbalk. Het type en de toestand van de kernel voor een laptop kunnen worden geïdentificeerd door de laptop rechtsboven te volgen. In het onderstaande diagram wordt de bijbehorende kernel van de laptop weergegeven Python3 en de huidige staat wordt voorgesteld door een grijze cirkel naar rechts. Een holle cirkel impliceert een nutteloze kernel en een stevige cirkel impliceert een bezige kernel.
Als de kernel gedurende langere tijd wordt afgesloten of niet actief is, dan Geen kerel! met een effen cirkel. Activeer een kernel door op de kernel-status te klikken en het juiste kernel-type te selecteren, zoals hieronder wordt getoond:
Launcher launcher
De aangepaste Launcher biedt u nuttige laptopsjablonen voor hun ondersteunde kernels om u te helpen uw taak snel te starten, zoals:
Sommige laptopsjablonen zijn beperkt tot bepaalde kernels. De beschikbaarheid van het malplaatje voor elke pit wordt in de volgende lijst in kaart gebracht:
Een nieuwe Launcher, klikt u op Bestand > Nieuwe startpagina. U kunt ook de Bestandenbrowser in de linkerzijbalk en klik op het plusteken (+):
Volgende stappen
Ga voor meer informatie over elk van de ondersteunde laptops en hoe u deze kunt gebruiken naar de Toegang tot gegevens van Jupyterlab-laptops ontwikkelaarshandleiding. In deze handleiding wordt vooral uitgelegd hoe u JupyterLab-laptops kunt gebruiken om toegang te krijgen tot uw gegevens, zoals lezen, schrijven en vragen om gegevens. De gids voor gegevenstoegang bevat ook informatie over de maximale hoeveelheid gegevens die kan worden gelezen door elke ondersteunde laptop.
Ondersteunde bibliotheken supported-libraries
Voor een lijst met ondersteunde pakketten in Python, R en PySpark kopieert en plakt u !conda list in een nieuwe cel, voert u de cel uit. Een lijst met ondersteunde pakketten wordt in alfabetische volgorde gevuld.
Bovendien worden de volgende gebiedsdelen gebruikt maar niet vermeld:
- CUDA 11.2
- CUDNN 8.1