Jupyter Notebook界面也可以如此炫酷？

Jupyter Notebook界面也可以如此炫酷？有人把Notebook玩出新花樣

自Towardsdatascience

作者：Pranjal Chaubey

機器之心編譯

參與：Nurchachu Null、張倩

深藍主題、Conda 環境自由切換、一鍵生成目錄、一鍵隱藏代碼單元……有沒有想過 Jupyter Notebook 還可以這么玩？

對全世界的 Python 高手而言，Jupyter Notebook 是目前最流行的編程環境，尤其是對那些從事機器學習和數據科學的人而言。數月前我第一次開始認真研究機器學習時發現了 Jupyter Notebook。剛開始，我因這一切可以在我的瀏覽器中運行而感到驚訝和開心。但是，不久后我就失望了，老套的 Jupyter Notebook 的界面非?；A，缺乏很多有用的功能。那時候我就決定去尋找一些 Jupyter Notebook 的黑客技術。

在這篇文章中，我展示了一些 Jupyter Notebook 的附件/擴展，以及一些能夠增強 Jupyter Notebook 和提高生產力的命令。簡言之，就是要增強你的 Jupyter Notebook。

如果你按照下面的指示去做，你的 Jupyter Notebook 會擁有下面這些令人驚嘆的功能（如果你愿意，還能獲得更多）：

能夠動態切換多個 Conda 環境，而無需重啟 Jupyter Notebook。
一鍵點擊生成目錄（你會喜歡這個功能）。
一個很有用的彈出式便簽（這是我最喜歡的功能），無需改變原始筆記本中任何地方就可以把玩、測試你的代碼。
代碼單元內的代碼折疊。很疑惑為啥這個不是 Jupyter Notebook 的固有功能。
一鍵代碼單元隱藏，這是一個重要的功能，當你需要通過可視化的方式展示數據時，人們并不會關心你的代碼，而是你的圖表。
一個超級酷的變量檢查器。
用于 Markdown 單元的拼寫檢查器。
用于深夜編碼會話的禪意黑模式（ZenMode）。
能夠動態增加常用 python 結構（例如 List comprehension）的 Code Snippets 菜單。
最后這個絕對是最好的功能——舒緩漂亮的深夜藍配色方案，拯救你的眼睛！

是時候增強我們的 jupyter notebook 了！

炫酷的深藍午夜主題

首先，要保證我們的 notebook 有一個漂亮的黑色主題，這樣我們的眼睛就會舒服一些。如果你每天要工作很長時間，那固有的白色背景會讓你眼睛很難受。無論如何，一旦你換成了黑色，就永遠不會想換回來。

使用下面的命令安裝黑色的主題，

# Kill and exit the Notebook server
# Make sure you are in the base conda environment
conda activate base# install jupyterthemes
pip install jupyterthemes
# upgrade to latest version
pip install --upgrade jupyterthemes

主題包安裝和更新好之后，運行下面的命令，將原來白色主題的 Jupyter Notebook 換成一款深藍午夜主題。你的眼睛會喜歡這款主題的。

# Enable Dark Mode
jt -t onedork -fs 95 -altp -tfs 11 -nfs 115 -cellw 88% -T

Conda 環境自由切換

接下來，看一下我們是否已經把 Anaconda 中創建的所有定制環境作為核心添加在了 Jupyter Notebook 中。這樣我們就能簡單地利用 Kernel 按鈕切換環境。換核的時候不需要重啟 notebook。

假設你的 Anaconda 環中有兩個自定義的環境 my_NLP 和 gym。按照下面的步驟將這些添加到你的 Jupyter Notebook 中。

# Stop and exit your Jupyter Notebook server first
# Activate your environment in the terminal 
conda activate my_NLP
# Install the IPython Kernel 
pip install ipykernel
# Link your environment with Jupyter 
python -m ipykernel install --user --name=my_NLP# Repeat steps for the other environment, gym. 
conda activate gym
pip install ipykernel 
python -m ipykernel install --user --name=gym

現在打開你的 Jupyter Notebook，找到 kernel 按鈕下的 Change Kernel 選項，接下來就是見證奇跡的時刻：所有的核都被列舉出來了，你可以通過簡單地點擊來激活一個服務核。

這便是最新添加的 Kernel 的展現形式。請注意這款舒緩的午夜藍主題。

其他炫酷功能

關于我在上面提及的其他炫酷功能，需要安裝一些叫做 nbextensions for Jupyter Notebooks 的東西。

安裝地址：https://jupyter-contrib-nbextensions.readthedocs.io/en/latest/install.html

安裝 nbextensions 是很容易的，簡單地遵循下面的步驟就行：

# Stop and exit your Jupyter Notebook server 
# Make sure you are in the base environment
conda activate base# Install the nbextensions 
pip install jupyter_contrib_nbextensions
# Install the necessary JS and CSS files 
jupyter contrib nbextension install --system

啟動 Jupyter notebook 服務，你可以在起始頁看到第四個叫做 Nbextensions 的選項。點擊這個選項，然后就可以看到極妙的功能集，這些都是你一直希望在 Jupyter Notebooks 中擁有的。

Nbextensions 標簽！

正如你在上面看到的，這個擴展列表十分龐大，甚至第一眼看上去有些嚇人。但并不是所有的都有用，下面是我用到的一些功能：

Table of Contents(2)：單擊生成整個筆記本的目錄，不同的 section 都有對應的超鏈接。
Scratchpad：在我看來絕對是最好的擴展了。這是一個你可以在里面做代碼實驗的獨立空間，不會干擾筆記本中的其他部分。
Codefolding ：代碼折疊，這個不需要做過多的解釋。
Hide Input All：隱藏所有的代碼單元，同時保持所有的輸出和 markdown 單元可見。如果你要向非技術人員解釋你的結果，那么這就會是一個很有用的功能。
Variable Inspector：將你從調試的憂傷中拯救出來，這與 Spyder IDE 中的變量檢查窗口有些類似。
Spellchecker：對 markdown 單元中的內容進行拼寫檢查。
Zenmode：移除掉屏幕中雜亂無關的內容，以便你能夠聚焦于重要的東西上，例如代碼。
Snippets Menu：從 list comprehension 到 pandas 以及它們之間的所有常用代碼片段的一個很酷的集合。這是最好的部分？你可以修改窗口的小部件來添加你自己的定制片段。

上述列表包含了我常用的擴展功能，但是我鼓勵你去嘗試一下其余的擴展功能。一些有意思的功能包括 ScrollDown、table_beautifier 以及 Hinterland。

Snippet 擴展和 Table of Contents generation 擴展在工作中同時使用。

Scratchpad 擴展

原文鏈接：https://towardsdatascience.com/supercharging-jupyter-notebooks-e22f5ad7ca18

要：基于 Graph Explorer 在 Jupyter 上進行圖探索，可以大大降低編碼成本，豐富 JupyterLab 的數據表現力。

本文分享自華為云社區《將Graph Explorer搬上JupyterLab：使用GES4Jupyter連接GES并進行圖探索-云社區-華為云》，作者：蜉蝣與海。

GES4Jupyter 是一款可以在 JupyterLab 中連接訪問 GES 并可視化的工具。工具中封裝了部分 GES 業務面接口，并提供對返回數據的可視化能力?；谠摴ぞ咴?Jupyter 上進行圖探索，可以大大降低編碼成本，豐富 JupyterLab 的數據表現力。

一、使用前準備

1. 華為云賬號

在使用華為云服務之前您需要注冊華為云帳號。通過此帳號，只需為使用的服務付費，即可使用所有華為云服務。

注冊華為云賬號步驟請點擊：《華為云注冊介紹》

注冊成功后即可自動登錄華為云，您需要完成 “實名認證” 才可以正常使用服務。

2. OBS 對象存儲服務

OBS 即對象存儲服務（Object Storage Service），GES 將 OBS 作為數據源導入數據。

數據若想導入圖引擎服務 GES，需要先上傳至 OBS。詳情參考：華為云圖引擎服務 GES 實戰——創圖

3. GES 圖引擎服務

使用 GES4Jupyter 前，需要在圖引擎服務控制臺創建一個 GES 圖實例，并且導入數據。本例中使用的數據源是新冠患者軌跡追溯數據集 v2，可以從 AI Gallery 中下載。詳情參考：華為圖引擎文檔 - 快速入門和華為云圖引擎服務 GES 實戰 —— 創圖

4. 獲取調用 GES 業務面 API 必備的參數

調用 GES API 需要輸入 token 鑒權信息，認證鑒權能力依賴華為云統一身份認證服務 IAM。獲取 Token 需要用戶名密碼、圖所在區域等信息。詳情查看：華為圖引擎文檔 - 業務面 API 認證鑒權和調用 GES 服務業務面 API 相關參數的獲取

二、使用 GES4Jupyter 連接 GES 服務

從華為云首頁進入 ModelArts 控制臺，點擊 CodeLab 新建一個 Jupyter Notebook，并等待資源初始化完成。

新建一個 Notebook，使用下列代碼獲取 GES4Jupyter 程序和資源文件。

import moxing as mox
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/ges4jupyter.py', 'ges4jupyter.py')
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/ges4jupyter.html', 'ges4jupyter.html')復制

在 Notebook 中輸入代碼后，將該段文本配置為代碼，然后點擊左側的運行按鈕，并等待運行完成。

點擊左上角的 “+” 號新建代碼片段，輸入下列代碼段并運行，完成 GES4Jupyter 的初始化。

from ges4jupyter import GESConfig, GES4Jupyter, read_csv_config
eip=''
project_id=''
graph_name=''
iam_url=''
user_name=''
password=''
domain_name=''
project_name=''
port=80
eip, project_id, graph_name, iam_url, user_name, password, domain_name, project_name, port=read_csv_config('cn_north_4_graph.csv')
config=GESConfig(eip, project_id, graph_name, 
                    iam_url=iam_url, 
                    user_name=user_name, 
                    password=password, 
                    domain_name=domain_name,
                    project_name=project_name,
                    port=port)
ges_util=GES4Jupyter(config, True);復制

上面代碼中涉及的字段含義基本分為兩大類，簡單介紹下：

用于構造 API 的參數：eip，projectId，graph_name, port 這四個參數都參與構造了業務面請求的 url。eip 與 graph_name 兩個參數在創圖時容易獲得，port 參數默認為 80，開啟安全模式時為 443，關于 projectId，可參考圖引擎官網文檔 - 獲取項目 id，從圖控制臺根據圖所屬的區域來獲取項目 id。
用于在請求 API 前獲取 token 的參數：iam_url, user_name, password, domain_name,project_name，GES4Jupyter 會使用這四個參數獲取 token，進而在使用 api 時進行鑒權，相關參數獲取請參考：華為圖引擎文檔 - 業務面 API 認證鑒權和調用 GES 服務業務面 API 相關參數的獲取

除了手動輸入這部分參數，也可以將參數構造為一個 csv 文件上傳至 CodeLab 平臺，而后執行圖示 read_csv_config 方法，一鍵獲取所有參數。

如圖為一個區域為北京四的圖的示例文件，關鍵信息（如 ip、projectId、圖名、賬戶名、密碼、iam 子賬號名）通過馬賽克隱藏。

對于新創的圖，使用下列代碼段可以創建點邊索引，方便使用 cypher：

print('開始創建點索引:')
job_id=ges_util.build_vertex_index()
job_result=ges_util.get_job(job_id)
if 'errorCode' not in job_result:
    for i in range(100):
        if job_result['status']=='success':
            break
        else:
            time.sleep(1)
            job_result=ges_util.get_job(job_id)
print('點索引創建完成')
print('開始創建邊索引:')
job_id=ges_util.build_edge_index()
job_result=ges_util.get_job(job_id)
if 'errorCode' not in job_result:
    for i in range(100):
        if job_result['status']=='success':
            break
        else:
            time.sleep(1)
            job_result=ges_util.get_job(job_id)
print('邊索引創建完成')復制

如果圖比較大，且沒有基于 label 過濾方面的訴求，也可以關閉 cypher 的索引開關。

ges_util.cypher_query("call dbms.parameter('needNodeIndex', false)");
ges_util.cypher_query("call dbms.parameter('needEdgeIndex', false)");復制

執行 summary 方法可以看到點邊分布：

三、使用 GES4Jupyter 調用業務面接口并進行可視化

GES4Jupyter 支持調用 cypher 語句，并可視化 cypher 的結果。在初始化完成 GES4Jupyter 后，使用下列代碼可以執行并可視化 cypher 查詢：

cypher_result=ges_util.cypher_query("match (n)-[r]->(m) return n,r,m limit 10",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result)復制

在 Notebook 中輸入該段代碼，點擊運行，可以看到 Notebook 中效果：

同時，工具還提供了其他選項卡，不僅可以看到可視化 Graph 結構，還可以看到表格數據、以及原始的 json 數據。

GES4Jupyter 也提供了能力對 gremlin 語言返回的點邊數據進行可視化。

gremlin_result=ges_util.gremlin_query("g.V().outE().bothV().path().limit(2)");
ges_util.format_gremlin_result(gremlin_result)復制

同時，對于 ges 的 path-query 接口，當返回數據為 tree 格式時，GES4Jupyter 也能提供較好的支持。

result=ges_util.path_query({
            "repeat": [
                {
                    "operator": "bothV",
                    "vertex_filter": {
                        "property_filter": {
                            "leftvalue": {
                                "id": ""
                            },
                            "predicate": "NOTIN",
                            "rightvalue": {
                                "value": ["北京"]
                            }
                        }
                    }
                }
            ],
            "until": [
                {
                    "vertex_filter": {
                        "property_filter": {
                            "leftvalue": {
                                "id": ""
                            },
                            "predicate": "=",
                            "rightvalue": {
                                "value": ["額濟納旗"]
                            }
                        }
                    }
                }
            ],
            "times": 5,
            "queryType": "Tree",
            "vertices": ["北京病例2"]
        })
ges_util.format_path_query(result)復制

四、圖引擎官網有更多案例可以使用 GES4Jupyter 上手體驗

本文的數據集取自華為云圖引擎官網 “新冠患者軌跡追溯” 數據集，notebook 代碼取自 “新冠患者軌跡追溯” 案例，在圖引擎官方網站上，還有其他動手實踐案例，配套 ModelArts 的 CodeLab，可以實現 “開箱即用”，提供豐富的場景和大家一起認識圖、了解圖、使用圖。

參考項目：https://github.com/merqurio/neo4jupyter

點擊下方，第一時間了解華為云新鮮技術～

華為云博客_大數據博客_AI博客_云計算博客_開發者中心-華為云

安裝 Jupyter Notebook

Jupyter Notebook 簡介
Jupyter Notebook 是一個開源的 Web 應用程序，可以用來創建和共享包含動態代碼、方程式、可視化及解釋性文本的文檔。
其應用于包括：數據整理與轉換，數值模擬，統計建模，機器學習等等。
更多信息請見官網。
http://jupyter.org/

檢查 Python 環境
CentOS 7.2 中默認集成了 Python 2.7，可以通過下面命令檢查 Python 版本：
```
python --version
```

安裝 pip
pip 是一個 Python 包管理工具，我們使用 yum 命令來安裝該工具：
```
yum -y install python-pip
```
使用下面命令升級 pip 到最新版本：
```
pip install --upgrade pip
```
安裝相關依賴
安裝 Jupyter 過程中還需要其他一些依賴，我們使用以下命令安裝他們：
```
yum -y groupinstall "Development Tools"
yum -y install python-deve
```
配置虛擬環境
安裝 virtualenv
我們將為 Jupyter 創建一個獨立的虛擬環境，與系統自帶的 Python 隔離開來。為此，先安裝 virtualenv 庫：
```
pip install virtualenv
```

創建虛擬環境
創建一個專門的虛擬環境，并直接激活進入該環境：
```
virtualenv venv
source venv/bin/activate
```

使用 pip 安裝 Jupyter
我們使用 pip 命令安裝 Jupyter：
```
pip install jupyter
```

2.配置 Jupyter Notebook

建立項目目錄
我們先為 Jupyter 相關文件準備一個目錄：
```
mkdir /data/jupyter
cd /data/jupyter
```
再建立一個目錄作為 Jupyter 運行的根目錄：
```
mkdir /data/jupyter/root
```
準備密碼密文
由于我們將以需要密碼驗證的模式啟動 Jupyter，所以我們要預先生成所需的密碼對應的密文。
生成密文
使用下面的命令，創建一個密文的密碼：
```
python -c "import IPython;print IPython.lib.passwd()"
```

執行后需要輸入并確認密碼，然后程序會返回一個 'sha1:...'的密文，我們接下來將會用到它。

修改配置
生成配置文件
我們使用 --generate-config 來參數生成默認配置文件：
```
jupyter notebook --generate-config --allow-root
```
生成的配置文件在 /root/.jupyter/ 目錄下
修改配置
然后在配置文件最下方加入以下配置：
```
c.NotebookApp.ip='*'
c.NotebookApp.allow_root=True
c.NotebookApp.open_browser=False
c.NotebookApp.port=8888
c.NotebookApp.password=u'剛才生成的密文(sha:...)'
c.ContentsManager.root_dir='/data/jupyter/root'
```
其中：
你也可以直接配置或使用 Nginx 將服務代理到 80 或 443 端口。
c.NotebookApp.password 請將上一步中密文填入此項，包括 sha: 部分。

3.啟動 Jupyter Notebook

直接啟動
使用以下指令啟動 Jupyter Notebook：
```
jupyter notebook
```
此時，訪問地址即可進入 Jupyter 首頁。
創建 Notebook
進入【首頁】首先需要輸入前面步驟中設置的密碼。
然后點擊右側的【 new 】，選擇 Python2 新建一個 notebook，這時跳轉至編輯界面。
現在我們可以看到 /data/jupyter/root/ 目錄中出現了一個 Untitled.ipynb 文件，這就是我們剛剛新建的 Notebook 文件。我們建立的所有 Notebook 都將默認以該類型的文件格式保存。
后臺運行
直接以 jupyter notebook 命令啟動 Jupyter 的方式在連接斷開時將會中斷，所以我們需要讓 Jupyter 服務在后臺常駐。
先按下 Ctrl + C 并輸入 y 停止 Jupyter 服務，然后執行以下命令：
```
nohup jupyter notebook > /data/jupyter/jupyter.log 2>&1 &
```
該命令將使得 Jupyter 在后臺運行，并將日志寫在 /data/jupyter/jupyter.log 文件中。
準備后續步驟的 Notebook
為了后面實驗中實驗室的步驟檢查器能夠更好的工作，此時我們使用以下命令預先創建幾份 ipynb 文件：
```
cd /data/jupyter/root
cp Untitled.ipynb first.ipynb
cp Untitled.ipynb matplotlib.ipynb
cp Untitled.ipynb tensorflow.ipynb
rm -f Untitled.ipynb
```

4.使用 Jupyter Notebook

接下來的步驟中如遇到步驟檢查未通過，請按下 Ctrl + S 保存，等待步驟檢查器確認。
編輯界面
點擊這里打開 first.ipynb 編輯界面。
Jupyter Notebook 的編輯界面主要由 工具欄 和 內容編輯區 構成。
下方編輯區，由 Cell 組成。每個 notebook 由多個 Cell 構成，每個 Cell 都可以有不同的用途。
Code Cell
新建的 notebook 中包含一個代碼 Cell（Code Cell），以 [ ] 開頭，在該類型的 Cell 中，可以輸入任意代碼并執行。如輸入：
```
1 + 1
```
然后按下 Shift + Enter 鍵， Cell 中代碼就會被執行，光標也會移動至下個新 Cell 中。我們接著輸入：
```
print('Hello Jupyter')
```
再次按下 Shift + Enter ，可以看到這次沒有出現 Out[..] 這樣的文字。這是因為我們只打印出來了某些值，而沒有返回任何的值。
按下 Ctrl + S 保存，等待步驟檢查器確認。
Heading Cell *
新版本中已經沒有獨立的 Heading Cell，現在標題被整合在 Markdown Cell 之中。
如果我們想在頂部添加一個的標題。選中第一個 Cell，然后點擊 Insert -> Insert Cell Above。
你會發現，文檔頂部馬上就出現了一個新的 Cell。點擊在工具欄中 Cell 類型（默認為 Code），將其變成 Markdown。接著在 Cell 中寫下：
```
# My First Notebook
```
然后按下 Shift + Enter 鍵，便可以看到生成了一行一級標題。
與 Markdown 語法相同，使用多個#將改變標題級別。
Markdown Cell
上一步中我們已經嘗試了使用了 Markdown Cell。在該 Cell 中，除標題外其他語法同樣支持。比如，我們在一個新的 Cell 中插入以下文本：
```
This is a **table**:
| Name | Value |
|:----:|:-----:|
| A | 1 |
| B | 2 |
| C | 3 |
```
然后按下 Shift + Enter，即可渲染出相應內容。
高級用法 - HTML
Markdown Cell 中同樣接受 HTML 代碼。這樣，你就可以實現更加豐富的樣式及結構、添加圖片等等。
例如，如果想在 notebook 中添加 Jupyter 的 logo，并且添加 2px 的黑色邊框，放置在單元格左側，可以這樣編寫：
```
<img src="http://jupyter.org/assets/nav_logo.svg" style="border: 2px solid black; float:left" />
```
然后按下 Shift + Enter，即可渲染出圖片。
高級用法 - LaTex
Markdown Cell 還支持 LaTex 語法。在 Cell 中插入以下文本：
```
$$int_0^{+infty} x^2 dx$$
```
同樣按下 Shift + Enter，即可渲染出公式。
導出
notebook 支持導出導出為 HTML、Markdown、PDF 等多種格式。
如點擊 File -> Download as -> HTML(.html)，即可下載到 HTML 版本的 notebook。
導出 PDF
其中，導出 PDF 需要其他包的支持，我們需要使用以下命令安裝這些依賴：
```
yum -y install pandoc texlive-*
```

注：直接導出 PDF 時 Jupyter 可能會忽略一些 Cell，建議先導出為 HTML，然后使用瀏覽器將其轉為 PDF。

5.集成 Matplotlib（可選）

Matplotlib 是 Python 中最常用的可視化工具之一，可以非常方便地創建許多類型的 2D 圖表和基本的 3D 圖表。

安裝 Matplotlib
我們使用 pip 來安裝 Matplotlib：
```
pip install matplotlib
```
測試 Matplotlib
我們使用另一個 notebook （matplotlib.ipynb）來測試 Matplotlib。
點擊這里打開 matplotlib.ipynb 編輯界面。
魔法命令
在第一個 Cell 中，我們插入并執行：
```
%matplotlib inline
```
這是指定 matplotlib 圖表的顯示方式的魔法命令。inline 表示將圖表嵌入到 notebook 中。
測試
在接下來 Cell 中，我們插入幾個官方示例測試：
1.plot_bmh：地址：https://matplotlib.org/examples/style_sheets/plot_bmh.html
示列代碼：plot_bmh.py
執行 Cell，即可看到繪制出的圖像。
2.whats_new_99_mplot3d：
whats_new_99_mplot3d.py
同樣執行 Cell，即可看到繪制出的圖像。

from numpy.random import beta
import matplotlib.pyplot as plt
plt.style.use('bmh')
def plot_beta_hist(ax, a, b):
 ax.hist(beta(a, b, size=10000), histtype="stepfilled",
 bins=25, alpha=0.8, normed=True)
fig, ax=plt.subplots()
plot_beta_hist(ax, 10, 10)
plot_beta_hist(ax, 4, 12)
plot_beta_hist(ax, 50, 12)
plot_beta_hist(ax, 6, 55)
ax.set_title("'bmh' style sheet")
plt.show()

Shift + Enter 執行 Cell，即可看到繪制出的圖像。

2.whats_new_99_mplot3d：地址：https://matplotlib.org/examples/pyplots/whats_new_99_mplot3d.html

示例代碼：/whats_new_99_mplot3d.py

import random
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
X=np.arange(-5, 5, 0.25)
Y=np.arange(-5, 5, 0.25)
X, Y=np.meshgrid(X, Y)
R=np.sqrt(X**2 + Y**2)
Z=np.sin(R)
fig=plt.figure()
ax=Axes3D(fig)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.viridis)
plt.show()

同樣執行 Cell，即可看到繪制出的圖像。

關于 Matplotlib 的使用請移步其官網。
動手試試
最后，我們來嘗試繪制一個二次函數圖像，你可以自行實現，也可以參考下面代碼：

6.搭配 TensorFlow（可選）

TensorFlow? 是一個采用數據流圖，用于數值計算的開源軟件庫。它靈活的架構讓你可以在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。

TensorFlow 最初由 Google 大腦小組的研究員和工程師們開發出來，用于機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可廣泛用于其他計算領域。

安裝 TensorFlow
我們使用 pip 安裝相關依賴及 Tensorflow
```
pip install protobuf
pip install tensorflow
```
測試 TensorFlow
點擊這里打開 tensorflow.ipynb 編輯界面。
在 Cell 中加入以下代碼（整理自官網 MNIST 教程）：
示例代碼：/tensorflow.py

按下 Shift + Enter，學習過程結束后可以看到輸出了準確率（92% 左右）

關于 TensorFlow 的使用請移步其官網，這里只是測試其在 Jupiter 中是否可用。

7.自由體驗

恭喜！您已經成功搭建起了一個云端的 Jupyter Notebook 環境。感謝大家耐心的看完，新年到，小桀在這里祝大家新年快樂、心想事成、技術更上一層樓！

在線咨詢

上一篇：PHP環境搭建-httpd-2.4.23配置安裝
下一篇：HTML列表及實例

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商