Amazon EC2 实例配置 Jupyter Notebook

注意 EC2 信息中心上的“IPv4 Public IP”地址（格式为“X.X.X.X”）。

• 转到终端
• 找到存储 .pem 文件的位置
  • 例如，如果将 .pem 文件放在桌面上，则 cd ~/Desktop/ 会使你转到正确的目录。
• 输入 ssh -i YourKeyName.pem ubuntu@X.X.X.X
  • X.X.X.X 是在 AWS 中发现的 IPv4 Public IP。
  • YourKeyName.pem 是 .pem 文件的名称

注意：如果你看到关于 PEM 文件的“bad permissions”或“permission denied”错误消息，请尝试执行 chmod 400 path/to/YourKeyName.pem，然后再次运行 ssh 命令。

创建并编辑 Jupyter 配置文件

接着，你需要配置 jupyter notebook 设置。

• 在实例中，为了针对 jupyter notebook 设置创建配置文件，输入：
  • jupyter notebook --generate-config
• 更改 notebook 的 IP 地址配置设置（只是一个很方便的一行命令，用于进行完全字符串匹配替换操作；你可以使用 vi/vim/nano/etc 手动执行此操作）：
  • sed -ie "s/#c.NotebookApp.ip = 'localhost'/#c.NotebookApp.ip = '*'/g" ~/.jupyter/jupyter_notebook_config.py

自定义软件包

最后一步是使用 pip 安装几个软件包。

所有学员都应该运行以下命令：

sudo python3 -m pip install tensorflow-gpu==1.1 udacity-pa tqdm

打算完成 VUI 项目的学员还应该运行以下命令：

sudo apt-get install libav-tools
sudo python3 -m pip install python_speech_features librosa soundfile

操作完毕后，你就可以登录实例并准备好运行项目了！你可以在此实例中运行任何项目。为了确保一切正常运行，你可以通过运行一个示例项目进行测试。

测试实例

通过验证实例可以运行 TensorFlow notebook，确保一切都能正常运行。

在 EC2 实例上

• 克隆深度学习应用模块 notebook
  • git clone https://github.com/udacity/aind2-dl.git
• 进入代码库目录
  • cd aind2-dl
• 运行 notebook
  • jupyter notebook --ip=0.0.0.0 --no-browser

在本地机器上

• 你需要使用 jupyter notebook 生成的令牌才能访问。在实例终端上，将有以下一行内容： Copy/paste this URL into your browser when you connect for the first time, to login with a token:。复制以 :8888/?token= 开头的所有内容。
• 通过转到以下网址从网络浏览器中访问 Jupyter notebook 索引：X.X.X.X:8888/?token=...（其中 X.X.X.X 是 EC2 实例的 IP 地址，以 :8888/?token= 开头的所有内容是你刚刚复制的内容）
• 点击“IMDB_in_Keras_Solutions.ipynb”链接以启动解决方案 notebook
• 在该 notebook 中运行每个单元格

注意：Windows 用户可能希望通过 GUI 实用程序 PuTTY 进行连接，请遵循这些说明。

你已经完全做好准备，可以在 AWS 实例上运行所有代码了！完成此实例后，请停止此示例，以防积分耗尽。

最后注意事项

EC2 AMI 实例是一个独立系统，已经包含 AIND 项目所需的所有库。因此你不需要 conda 环境和软件包管理器，并且可以跳过项目说明中的相关部分。